Dokumenpub Finding Alphas A Quantitative Approach To Building Trading

Поиск Альф
ПОИСК АЛЬФ
Количественный подход к
построению торговых стратегий
ВТОРОЕ ИЗДАНИЕ
Под редакцией
Игорь Тульчинский и др.

Виртуальный исследовательский центр WorldQuant
Это издание впервые опубликовано в 2015 году

© 2020 Тульчинский и др., Виртуальный исследовательский центр WorldQuant
Юридический адрес
John Wiley & Sons Ltd, The Atrium, Southern Gate, Чичестер, Западный Суссекс, PO19 8SQ,
Великобритания
Для получения подробной информации о наших редакциях по всему миру, для
обслуживания клиентов и для получения информации о том, как
подать заявку на получение разрешения на повторное использование материалов,
защищенных авторским правом, в этой книге, пожалуйста, посетите наш веб-сайт по
Все права защищены. Никакая часть этой публикации не может быть воспроизведена,
адресу www.
сохранена в поисковой системе
wiley.com.
или передана в любой форме или любыми средствами, электронными, механическими,
копировальными, записывающими или
иным образом, за исключением случаев, разрешенных Законом Великобритании об
Wiley публикует в различных печатных и электронных форматах, а также по запросу.
авторском праве, конструкциях и патентах 1988 года, без
Некоторые
предварительного разрешения издателя.
материалы, включенные в стандартные печатные версии этой книги, могут не быть
включены в электронные книги или в
print-on-demand. Если эта книга относится к таким носителям, как CD или DVD, которых
нет в
Обозначения, используемые компаниями для отличия своей продукции, часто заявляются
приобретенной вами версии, вы можете загрузить этот материал по адресу
как товарные знаки.
http://booksupport.wiley.com. Для
Все торговые
получения дополнительной
марки и названия
информации
продуктов,о продукции
используемые
Wiley
в этой
посетите
книге,
www.wiley.com.
являются
торговыми наименованиями, знаками обслуживания, товарными знаками
или зарегистрированными
Предел ответственности / Отказ
товарными
от гарантий:
знакамиХотя
их соответствующих
издатель и автор приложили
владельцев. все
Издатель
не связан
усилия приниподготовке
с каким этой книги, они не делают никаких заявлений или гарантий в
продуктом или поставщиком, упомянутым в этой книге.
отношении
точности или полноты содержания этой книги и, в частности, отказываются от любых
подразумеваемых
гарантий товарной пригодности или пригодности для определенной цели. Она продается
при том понимании,
что издатель не занимается оказанием профессиональных услуг и ни издатель, ни
Каталогизация данных Библиотеки Конгресса при публикации
автор не несут ответственности за ущерб, возникший в связи с этим. Если требуется
профессиональная
Имена: Тульчинский,консультация
Игорь, 1966или- редактор.
другая экспертная
помощь, следует
Название: Поиск обратиться
альф: количественный
к услугам компетентного
подход к построению
специалиста.
торговли
стратегии / под редакцией Игоря Тульчинского и др., WorldQuant Virtual
Исследовательский центр.
Описание: Второе издание. | Чичестер, Западный Сассекс : Wiley, 2020. |
Предыдущее издание опубликовано под редакцией Игоря Тульчинского | Включает
библиографические ссылки и указатель.
Идентификаторы: LCCN 2019021400 (печатный) | LCCN 2019981056 (электронная книга) |
9781119571216 (твердый переплет) | ISBN 9781119571261 (epub) | ISBN
ISBN
9781119571254 (epdf)
Предметы: LCSH: Финансы—математические модели. | Финансы—принятие решений.
Классификация: LCC HG4515.5 .T85 2020 (печатный) | LCC HG4515.5 (электронная книга) |
DDC 332.6401/51—dc23
Запись LC доступна по адресу https://lccn.loc.gov/2019021400
Запись LC в электронной книге доступна по адресу https://lccn.loc.gov/2019981056
Дизайн обложки: Wiley
Изображение на обложке: © agsandrew/Shutterstock
Установлено в 11/13 временных интервалах по времени компанией SPi Global, Ченнаи,

Индия
Напечатано в Великобритании компанией TJ International Ltd, Падстоу, Корнуолл,
10 9 8 7 6 5 4 3 2 1
Великобритания
Посвящается всем в WorldQuant —

Будущее трейдинга
Содержание
Предисловие xi
Предисловие (к оригинальному изданию) xiii
Благодарности xv
о веб-сайте WebSim xvii
ЧАСТЬ I ВВЕДЕНИЕ 1
1 Введение в альфа-дизайн 3
Автор Игорь Тульчинский
2 Перспективы альфа-исследований 7
Джеффри Лотете
3 Сокращение потерь 17
Автор Игорь Тульчинский
ЧАСТЬ II ПРОЕКТИРОВАНИЕ И ОЦЕНКА 23

4 Альфа-дизайн 25
Скотт Бендер и Юнфэн Хэ
5. Как развить альфу: тематическое исследование 31
Автор: Панкадж Бакливал и Хунчжи Чен
6 Данные и альфа-дизайн 43
Автор: Вейцзя Ли
7 Оборот 49
Пратик Патель
8 Альфа-корреляция 61
Автор : Чин Данг и Криспин Буи
viii Содержание
9 Обратное тестирование – сигнал или переоснащение?69

Автор: Чжуанси Фанг и Пэн Янь
10 контролирующих предубеждений 77
Автор: Ананд Айер и Адитья Пракаш
11 План с тремя осями 83
Нитиш Майни
12 Методов повышения надежности альфа-алгоритмов 89
Михаил Козлов
13 Альфа-факторов и факторов риска 95
Автор Пэн Ван
14 Рисков и просадок 101
Хаммад Кхан и Ребекка Леман
15 букв из автоматического поиска 111
Автор: Ю Хуан и Варат Интарапрасонк
16 Машинное обучение в альфа-исследованиях 121
17 Алгоритмическое мышление 127
Автор: Санни Махаджан
ЧАСТЬ III РАСШИРЕННЫЕ ТЕМЫ 133

18 Цена и объем акций 135
Конг Ли и Хуайю Чжоу
19 Анализ финансовой отчетности 141
Автор: Пол А. Гриффин и Санни Махаджан
20 Фундаментальный анализ и альфа-исследования 149
Автор : Синье Тан и Кайлин Ци
21 Введение в импульсные альфы 155
Авторы: Жиу Ма, Арпит Агарвал и Ласло Борда
22 Влияние новостей и социальных сетей на доходность159
акций
Автор : Ваньчэн Чжан
23 Фондовые индексы Информация с рынка фондовых опционов
169
Автор: Свастик Тивари и Хардик Агарвал
24 Институциональные исследования 101: отчеты аналитиков
179
Бенджамином Ии, Хардиком Агарвалом, Шубхамом Гоялом,
Абхишеком
Паниграхи и Анантом Пушкаром
Содержание ix
25 Инвестирование, ориентированное на события 195

Автор: Пратик Шривастава
26 Внутридневных данных в Alpha Research 207
Душан Тимоти
27 Внутридневная торговля 217
Автор: Рохит Кумар Джа
28 Поиск альфа-индекса 223
Автор : Гленн ДеСуза
29 ETF и Alpha Research 231
Автор: Марк Йикчун Чан
30 Поиск Альф во фьючерсах и форвардах 241
Автор: Рохит Агарвал, Ребекка Леман и Ричард Уильямс
ЧАСТЬ IV "НОВЫЕ ГОРИЗОНТЫ" – WEBSIM 251

31 Введение в WebSim 253
Джеффри Скотт
ЧАСТЬ V ПОСЛЕДНЕЕ СЛОВО 263

32 Семь привычек высокоуспешных квантов 265
Ричард Ху и Чали Асаватиратам
Ссылок 273
Индекс 291
Предисловие
Многое изменилось с тех пор, как мы опубликовали первое

издание "В поисках
в 2015 году. Предпосылка этого издания – что мы
альф"
рассматривали эти
техники как “будущее трейдинга” – сегодня более верна, чем
когда-либо.
За прошедшие четыре года мы в WorldQuant наблюдали
значительный
рост в разработке алгоритмов прогнозирования для
количественной
торговли – мы называем их “альфа” – благодаря постоянно
растущему объему и
разнообразию
С 2015 года мыдоступных данных,
неуклонно стремительному
расширяем развитию
охват новыми,
компьютерного
разнообразнымиоборудования и программного
обеспечения, а такжештат
талантами, пополняя все более изощренным
штатных методам,
исследователей, которые
портфельных
позволяют нам создавать
менеджеров и техно-
и внедрять
нологов альфа-алгоритмы
в наших 28 офисах побольшего объема
всему миру, и качества.
а также нашу Сегодня
в WorldQuant
растущую
мы создали
группу более 20 миллионов альфа-сигналов,
консультантов–исследователей, и это
численность число
которой
продолжает
сейчас превышает 2000 человек. Мы нашли
расти экспоненциально,
многих консультантов посколькупо
WorldQuant мыисследованиям
ищем все более слабые
через наш
Участники, участвующие в наших конкурсах, стремятся создать
прогностические
Виртуальный сигналы.
исследовательский
высококачественные
альфа-версии,
центр (VRC) и проводимые
используя наш им онлайн-портал
глобальные соревнования
WebSim, который
по
количественным
предоставляет образовательные,
финансам, такие как
WorldQuant Challenge,
исследовательские и тестовые
Women Whoинструменты,
Quant и Международный
включая некоторые
чемпионат
из тех же наборов
по количественным
данных, которые
исследованиям.
используют исследователи WorldQuant. В более широком смысле
VRC позволяет частным лицам проводить исследования и
стремиться создавать высококачественные алгоритмы, которые
могут быть использованы в систематических финансовых
стратегиях WorldQuant...........
. Исследовательские
консультанты обладают гибкостью в отношении своего рабочего
времени и места работы, получают
" компенсацию в зависимости от своей активности и
продуктивности, имеют право на дополнительную
компенсацию в зависимости от производительности своих
алгоритмов
xii Предисловие
и могут
в конечном итоге рассматриваться на должности с полной
занятостью.
В этой книге, подготовленной 47 нынешними и бывшими
сотрудниками WorldQuant
, обобщена большая часть того, что мы узнали об искусстве и
науке
разработки alpha. Это издание - не просто новая обложка,
прилепленная
к старому содержанию. Отдельные главы были основательно
переосмыслены и
переработаны. В этом издании есть девять глав, которых не было в
2015 году – о
биржевых фондах,
Тем не менее, мыальфа-индексах,
только начинаем внутридневных данных и
оценивать возможности
инвестировании,
альфа–сигналов - основанном
и на событиях
,исследовать
среди прочих тем - и обширные
вселенную дополнения
прогнозирующих в большинстве
сигналов. Предстоящие
остальных.
годы будут Такие темы, как машинное обучение и автоматический
поиск, новых
полны стали задач, новых данных и новых технологий. Этот
намного важнее.
экспоненциальный Но, углубляясь,
, которую мы усердно
я опубликовал работали
в 2018 году, я написал, что
,убедился
чтобы сделать
мир заставляет материал
в том, нас более
что признать,
наступает что доступным и полезным.
то,предсказаний.
эпоха что есть здесь Чем
сегодня, не у
больше
обязательно
вас "альф"
будет здесь завтра.
, тем лучше В книге
вы можете "Правила:
описать человек,
реальность машины
и тем более и
стремление
предсказуемым вы можете
овладеть
быть. рынками происходят постоянно, иИгорь
Но изменения задача никогда не
Тульчинский
выполняется. Июнь 2019
Предисловие (к
оригинальному
изданию)
Эта книга представляет собой исследование процесса поиска

альф. Материал
представлен в виде сборника эссе, в котором представлены
различные точкиширокий
Затрагивается зрения спектр тем, начиная от теорий о
успешных игроков
существовании альфнаипереднем
заканчиваякрае количественной
более конкретнымиторговли.
и
техническими аспектами
создания
В частиальфы.
I представлено общее введение в создание alpha, за
которым следует
краткий отчет о жизненном цикле alpha и информация о
сокращении
Часть II больше фокусируется на технической стороне
потерь.
разработки альфа-версии, такой как
что можно и чего нельзя в информационных исследованиях,
ключевые шаги к разработке
альфа-версии, а также оценка и улучшение качественных альфа-
версий. Ключевыми
техническими аспектами, обсуждаемыми
В части III рассматриваются специальныев этом
темыразделе,
альфа-дизайна,
являютсяальфа-дизайн
включая оборот, бэктестинг,
фундаментальный
для анализ,
различных классов объемтаких
активов, котировок акций,
как фьючерсы и валюты,
статистический
разработку арбитраж, переобучение
и альфа-разнообразие.
импульсных
В части IV альфа-моделей
мы познакомими васвлияние новостей
с WebSim, и социальных
веб-инструментом
сетей на
альфа-разработки
.доходность акций.всех энтузиастов quant воспользоваться этим
Мы приглашаем
бесплатным инструментом, чтобы
узнать об альфа-тестировании
Наконец, (также известном
в части V мы представляем как альфа-
вдохновляющее эссе для
моделирование)
всех
кто квантов
готов и, в конечном
исследовать счете,
мир количественного трейдинга.
создать свои собственные альфа-версии.
Благодарности
На этих страницах мы представляем подборку глав, посвященных

основанному на
алгоритмах процессу разработки alpha. Авторами этих глав
являются
основатель WorldQuant, директора, менеджеры, портфельные
менеджеры и
исследователи количественных показателей. Эта книга
преследует две ключевые цели: представить как можно
больше самых современных
Это издание точек
Finding Alphas зрения
начало на определение
формироваться альфы
в 2017 году,и
методы, связанные
после того, как с поиском и тестированием альф. В WorldQuant
мы считаем,
Майкл Пельтцчто ни одна точкакзрения
присоединился не является
WorldQuant лучшим и
в качестве
единственным
глобального ответом и что
руководителя контента. В том году
разнообразие
он и тогдашнийподходов
директорвсегда превосходит один.
по региональным исследованиям
Ребекка Леман встретились с Игорем
Тульчинским - основателем, председателем правления и СЕО
WorldQuant – в его смежном офисе,
чтобы изложить свой план пересмотра книги. Поиск альф
изначально был написан в 2014 году; Леман и Пельтц хотели
пересмотреть
(а в некоторых случаях объединить) существующие главы и
добавить новые. Эти двое
сыграли важную роль в переосмыслении первого издания и
управлении сложным редакторским процессом. Мы особенно
хотим поблагодарить
Каждая из этих глав была отредактирована остроглазой Рут
авторов новых глав
Хэмел, которая – Криспинамножеством
жонглировала Буи, Марка вопросов
Йикчун Чана, Чина
и проблем,
Данга, Гленна Десузу, Ананда
представленных в каждой главе Айера, Рохита Кумара Джа, Майкла
Козлова,
. Затем каждая глава была тщательно проверена
Нитиша
командой Майни, Адитью
юристов Пракаша,
WorldQuant под Пратика Шриваставу,
руководством ДжеффриДушана
Тимоти – а
Бломберга, чье терпение и всегда разумные
также автороввнесли
предложения обновленных
большойглав. Вместе
вклад. онираз, мы благодарим
И, еще
создали книгу, которая должна быть чрезвычайно полезна всем,
кто интересуется количественным инвестированием и
разработкой альфа-активов
.
от ответственности
xvi Благодарности
Венди Голдман Роум, наш литературный агент, сыгравшая

важную роль в
запуске
Наконец,
первого
мы должны
издания
с книги
благодарностью
"В поискахотметить
альфы" вподдержку
жизнь. и
веру
каждого коллеги в WorldQuant. Для этого нужна команда. Спасибо
вам всем.
Отказ
Содержание этой книги предназначены для ознакомительных и

образовательных-
онных целях и, как таковые, не являются и не должны
рассматриваться каким-либо образом, чтобы быть
инвестиционный совет. Высказанные мнения
принадлежат различным участникам и не обязательно отражают
точку зрения WorldQuant или Виртуального исследовательского
центра WorldQuant.
О веб-сайте WebSim
На момент написания статьи информация о WebSim,

содержащаяся в этой книге
, соответствует веб-сайту WebSim. Поскольку веб-сайт может
изменяться, в случаях, когда существуют несоответствия между
этой книгой
и веб-сайтом, условия веб-сайта WebSim будут регулировать
наиболее
обновленные
Регистрацияи на
текущие процессы
официальном WebSim.WebSim
веб-сайте С самойнеобходима
последней для
версией WebSim и условиями, применимыми к ее использованию,
получения
пожалуйста, ознакомьтесь платформы
полной функциональности на и доступа к службе
https://worldquantvrc.com
поддержки WebSim или на ее последующем сайте.
. Успешные альфа-версии, представленные исследовательскими
консультантами, могут,
в определенных случаях, рассматриваться для включения в
реальные инвестиционные
КОНСУЛЬТАНТЫ стратегии quant trading
ПО ИССЛЕДОВАНИЯМ WEBSIM
, управляемые WorldQuant.
WorldQuant учредила программу консультанта-исследователя для
квалифицированных специалистов для работы с нашей веб-
платформой моделирования Web-
Sim..........."Веб-
симулятор". Эта программа дает консультантам гибкость при
создании альфа-групп в
их собственной физической и интеллектуальной среде. Это
особенно
Квалифицированные кандидаты - это люди с высокими
идеальное
количественнымизанятиепоказателями,
для людей, получающих
которые высшее образование, а
также для
обычно тех, кто амбициозен
заканчивают и очень заинтересован
научные, технологические, в прорыве
инженерные илив
финансовую индустрию.
математические
программы (STEM). Однако специальности и опыт различаются и
могут
включать статистику, финансовую инженерию, математику,
информатику,
финансы, физику или другие программы STEM.
xviii О веб-сайте WebSim
Вы можете найти более подробную информацию о WebSim в

части IV этой книги. Более
подробную информацию о программе консультанта-исследователя
можно получить на официальном сайте Websim.
..........."Websim".
ЧАСТЬ I
Введение
Поиск альф: количественный подход к построению торговых стратегий, Второе издание. Под
редакцией Игоря Тульчинского и др. и
Виртуального исследовательского центра WorldQuant.
© 2020 Тульчинский и др., Виртуальный исследовательский центр WorldQuant. Опубликовано в 2020
году издательством John Wiley & Sons, Ltd.
1
Введение в альфа-дизайн
Автор: Игорь Тульчинский
Что такое альфа? На протяжении всей этой книги вы будете

читать различные описания или определения альфы.
Альфа, конечно же, это первая буква
греческого алфавита – как в “альфе и омеге”, начале и
конце, – и она скрывается внутри слова “алфавит”. На протяжении
веков
оно закрепилось за различными научными терминами.
Финансовое использование
слова “альфа” восходит
. Компания к 1968
Jensen's alphaгоду, когда Майкл
измерила Дженсен,
доходность port- тогда
молодой кандидат экономических наук Чикагского университета,
folio с поправкой на риск и определила, показал ли он результаты
придумал
лучше или хуже, чем
фразу “альфа
ожидалось Дженсена”
рынком. в статье,
В конце концов,которую
Дженсенон Альфа
опубликовал в
превратилась
Журнале
в МПС-
финансов
юр эффективности инвестиционных известный как просто "альфа",
и он наиболее
С тех пор термин “альфа” получил широкое распространение во
часто используется для описания деклараций, что превышает
всем
рыночную
мире или скамейку-
инвестирования, особенно среди хедж-фондов, для
индекса.
обозначения уникального
“преимущества”, которое, по их утверждению, может приносить
доход, превосходящий рыночный. Однако в
WorldQuant мы используем
По сути, альфа-версия этот
- это термин немного
представление по-другому.
о том, как работаетМы
разрабатываем
рынок.
“альфы” – индивидуальные
Существует торговые сигналы,
бесконечное количество которые
идей, гипотез или стремятся
правил,
повысить
которые ценность
портфеля.
можно экстраполировать, и количество возможностей постоянно
растет
с быстрым увеличением объема новых данных и знаний о рынке.
Каждая из
этих идей могла бы стать альфой, но многие таковыми не
являются. Альфа- это автоматически
сопряженная прогностическая модель, которая описывает или
декодирует
Поиск альфа-версий: некоторые
количественный рыночные
подход отношения
к построению торговых стратегий, второе издание. Под
редакцией.Игоря
Мы разрабатываем
Тульчинского и др. и альфа-версии в виде алгоритмов, комбинации
математических
выражений, исходного кода компьютера и параметров
конфигурации.
Альфа-версия содержит правила преобразования входных данных
в
4 позиции или сделки в Поиск буквенных
обозначений
осуществляется на финансовых рынках ценных бумаг. Мы

разрабатываем, тестируем и
продаем альфа-версии в большом количестве, потому что даже
если рынки работают
эффективно, что-то должно привести цены к равновесию, а это
означает, что всегда должна существовать возможность. Если
использовать распространенную метафору,
РАЗРАБОТКА АЛЬФА-ВЕРСИЙ
альфа-это попытка уловить сигналНА ОСНОВЕ
на всегда ДАННЫХ
шумном рынке.
Мы разрабатываем альфа-версии на основе данных, которые мы

постоянно стремимся
дополнять и диверсифицировать. Цены ценных бумаг обычно
меняются в ответ на
какое-либо событие; это событие должно быть отражено в данных.
Если данные никогда
не меняются, то альфа отсутствует. Изменения в данных передают
информацию
Альфа-дизайн - это на самом деле просто интеллектуальный
.поиск
Изменение информации,
ценовой информации,в свою очередь, должно привести к
изменению
передаваемой по возможным изменениям в данных, независимо от
альфы.
того, Эти изменения
воспринимаете лимогут
вы ихбыть выражены в различных альфа-
выражениях
как шаблоны, сигналы или код. Математическое выражение
.альфа-символа
В таблице 1.1 показано несколько простых примеров.
должно содержать гипотезу или предсказание. Опять же, всего
Таблица 1.1 Выражения изменений
несколько примеров
приведены
Простое в таблице
различие, 1.2.
A – B Пример: сегодняшняя цена – вчерашняя цена
Соотношение A / B Пример: сегодняшняя цена / вчерашняя цена
Выражение Пример: 1 / сегодняшняя цена. Увеличивать позицию,
когда
цена низкая
Таблица 1.2 Выражения и их гипотезы

Выражение Гипотеза
1/цена Инвестируйте больше, если цена низкая
Цена-задержка (цена, 3) Цена движется в направлении 3-дневного
изменения
Цена Дорогостоящие акции растут
Корреляция (цена, задержка(цена,1))
Акции, которые находятся в тренде, выигрывают
(цена / задержка(цена,3)) * Трендовые акции с растущим объемом
ранг(объем) демонстрируют лучшие результаты
Введение в альфа-дизайн 5
ОПРЕДЕЛЕНИЕ КАЧЕСТВА В АЛЬФА-версиях
Альфа-акции приносят доходность, которая меняется с течением

времени; как и отдельные акции, совокупная доходность
альфа-акций растет и падает. Отношение ежедневной доходности
альфа-игрока
к дневной волатильности называется коэффициентом
информативности.
сигнал Это соотношение
или в значительной измеряет
степени шум. Мы разработали ряд
силу и устойчивость
критериев сигнала и показывает, работает ли стратегия
для определения
–
качества альфа-продукта, хотя до тех пор, пока альфа-продукт не
является
будет ли сигнал
тщательно надежным или
протестирован, слабым, может ли он быть
запущен
истинным
в производство и проверен на образцах, трудно сказать, насколько
онИдея
• хорош на самом деле.
и выражение Тем не менее, вот некоторые черты
просты.
качественных
• Выражение /альф:
код элегантны.
• У него хороший коэффициент Шарпа в образце.
• Он не чувствителен к небольшим изменениям в данных или
параметрах.
• Это работает в нескольких вселенных.
• Это работает в разных регионах.
ПОСТРОЕНИЕ АЛЬФА-ВЕРСИИ, ШАГ ЗА ШАГОМ
Мы можем в общих чертах определить шаги, необходимые для

создания альфа-версий. Хотя
дьявол кроется в деталях, разработчикам нужно всего лишь
повторить следующие
пять
• шагов:
Проанализируйте переменные в данных.
• Получите представление о реакции цены на изменение, которое
выПридумайте
• хотите смоделировать.
математическое выражение, которое преобразует
это изменение
в позиции на складе.
• Проверьте выражение.
• Если результат благоприятный, отправьте альфа-версию.
ЗАКЛЮЧЕНИЕ
В последующих главах многие из этих тем рассматриваются

гораздо более
подробно. Эти главы были написаны исследователями мирового
уровня,
портфельными менеджерами и технологами, которые проводят
свои дни, а часто и
ночи, в поисках альф. Темы широко варьируются, начиная с
6 Поиск альф
основательная разработка alpha с их обширным тестированием

и смежными темами, такими как momentum alpha, использование
фьючерсов в торговле
, институциональные исследования при разработке alpha и
влияние новостей
и социальных сетей на доходность акций. Там также есть глава,
посвященная
различным аспектам платформы WebSim от WorldQuant, нашей
собственной,
поддерживаемой Интернетом платформы моделирования.
Движок программного
Что такое обеспечения
альфа и как WebSim
мы их находим? для моделирования
Переверните страницу.
позволяет любому пользователю проводить обратное тестирование
alphas, используя большой и расширяющийся массив
наборов данных. Наконец, в этом выпуске "В поисках альф" мы
добавили новый
материал по таким темам, как машинное обучение, альфа-
корреляция, внутридневная
торговля и биржевые фонды.
2
Перспективы альфа-
исследований
Джеффри Лотете
В области финансов альфа - это показатель превышения

доходности
инвестиций над подходящим эталоном, таким как рыночный или
отраслевой
индекс. В индустрии количественного управления инвестициями и
в
этой книге термин “альфа” относится к модели, используемой для
прогнозирования
цен или доходности финансовых инструментов относительно
эталонного показателя.
Более точно, альфа- это функция, которая принимает в качестве
входных данных данные, которые,
как ожидается,
Попытки будут иметь рынки
прогнозировать отношение к прогнозированию
предшествовали цифровой эре
будущих цен,
и появлению и выводит
значения,
компьютеровсоответствующие
на Уолл-стрит. прогнозируемым ценам
Например, в своем каждого
трактате 1688
инструмента в его
года по экономической
универсуме
философии, прогнозирования, относительно
Путаница заблуждений, эталона.
биржевой Альфаиможет
спекулянт
быть выражена
писатель Джозеф
в виде де
Пенсо алгоритма и реализована
ла Вега описал на компьютерном
принципы оценки сложных языке, таком
деривативов
как C ++,спекуляции на Амстердамской фондовой бирже. Двести
и методы
Python или влюбом
лет спустя серииколичестве альтернативных
статей Чарльз современных или
Доу (соучредитель
классических
Dow Jones & Co., которая издает The Wall Street Journal)
языков программирования.
кодифицировал
некоторые основные принципы построения графиков и
технического анализа. Его труды
представляют собой один из первых зарегистрированных
примеров систематической техники прогнозирования рынка
, но инвесторам пришлось подождать до 1980-х годов, пока на
Уолл-стрит появятся доступные
вычислительные мощности и изменится
редакциейпарадигма моделирования:
Игоря Тульчинского и др. и вместо карандаша и бумаги основными
инструментами
Виртуального проектирования
исследовательского центра WorldQuant.
© 2020 Тульчинский и др., Виртуальный
и их аппаратным исследовательский
обеспечением центрбыли
должны WorldQuant.
статьОпубликовано
компьютеры в 2020
и
цифровые данные.
8 Поиск букв
КАНДИДАТЫ наук НА УЛИЦЕ
До 1960-х годов все или почти все процессы бэк-офиса, и

формирование запасов в частности, выполнялись вручную.
Потребовался беспрецедентный
рост объемов биржевых торгов, наблюдавшийся в конце 1960-х
годов
(в период с 1965 по 1968 год ежедневный объем акций Нью-
Йоркской фондовой
биржи увеличился с 5 миллионов до 12 миллионов), и
сопутствующие
этому “пробки” в обработке торговых операций из-за зависимости
от ведения записей с помощью ручки
и бумаги, чтобы
Появление внедрение компьютеров
вычислительных стало залах крупных
машин в торговых
бизнес-императивом.
фирм с Уолл– К 1970-м годам Уолл-стрит оцифровала свои
стрит позволило ранее неразрешимым проблемам оценки -
задние
офисы. В течение
установлению ценнескольких
на опционылети другие
компьютеры
производные
и финансовые
программируемые
инструменты и прогнозированию
устройства цен на основе
были
баз цифровых
повсеместны
данных
на улицах,
– стать практически
играя важную разрешимыми.
роль в каждом
Ноуголке
финансовой индустрии.
формулу
урегулирования проблем, таким образом, что новые машины
могли бы решить
их, требуется новый тип оператором рынка, который исторически
не
был частью сбытовая и торговая экосистема: кандидаты наук и
НОВАЯ ИНДУСТРИЯ
другие analyti-
Чески мыслящих личностей, а не традиционно Уолл-Стрит
Одним
материализ стал
первых, кто применил компьютерные методы
инвестирования
востребованным дляисточником новая и модернизированная версия
использования
торгового зала. систематических альф, был Джеймс Саймонс,
отмеченный наградами математик-
математик и бывший заведующий кафедрой математики в
Университете Стоуни
Брук. В 1982 году Саймонс основал Renaissance Technolo-
gies, фирму из Восточного Сетаукета, штат Нью-Йорк, которая
стала известна
успешным внедрением систематических стратегий, нейтральных к
рынку. Шесть
лет спустя бывший профессор компьютерных наук Колумбийского
университета
Дэвид Шоу основал компанию D.E. Shaw & Co. в Нью-Йорке. Шоу
провел два года в Morgan Stanley, входя в группу, в обязанности
которой входила
разработка алгоритмов прогнозирования акций с использованием
исторических данных о ценах.
За ними последовали другие, либо внутри банков и брокерских
контор в составе собственных торговых групп,
либо в хедж-фондах, управляющих объединенными деньгами
инвесторов.
Перспективы Альфа-исследований 9
Со временем количественное инвестирование, нейтральное к

рынку, стало известно как
масштабируемая и надежная инвестиционная стратегия, которая
особенно
По мере роста индустрии хедж-фондов росло и распределение
преуспелаинвесторов
капитала во время краха рынка доткомов
на количественные в начале 2000-х годов.
инвестиционные
стратегии. По данным
The Financial Times
, по состоянию на январь 2018 года
было подсчитано, что до трети
совокупных активов индустрии хедж-фондов управлялось с
использованием систематических инвестиционных методов либо
фирмами, специализирующимися на количественном
инвестировании, такими как WorldQuant,
либомногостратегическими хедж-фондами, которые
инвестируют часть своих активов вколичественные подходы. В
Хеси-
ции, что инвесторы выставлены в 1990-х и начале 2000-х годов в
сторону
что часто называют пренебрежительно, как “черный ящик”
стратегии
угасал постепенно, по мере стратегий послужные списки
держится относительно
Тем не менее, путь к тому, чтобы количественное
других инвестиционных подходов. Вполне возможно, что
инвестирование стало устоявшейся
количественные
стратегией, не был прямой линией. Крах quant в 2007 году нанес
инвестиционные стратегии, в которых делается упор на
особый удар по уверенности инвесторов и участников в
использование технологий – с помощью
способности
алгоритмов, искусственного интеллекта и машинного обучения, –
количественного инвестирования приносить надежную
выигрывают
долгосрочную доходность с поправкой на риск
от растущего комфорта общества благодаря автоматизации и
: в августе того же года паника на рынке побудила большое
замене
количество
человеческих посредников машинами с растущим уровнем
фондов quant ликвидировать свои позиции за короткий
свободы действий. Инвестирование с помощью моделирования и
промежуток времени,
интеллектуальной обработки данных не
создав беспрецедентную просадку и вынудив некоторых
кажется чем-то особенным спустя 40 лет после запуска первых
участников
системных
и инвесторов устремиться к выходу, что было равносильно
хедж-фондов.
паническому бегству.
За этим периодом в следующем году последовал мировой
финансовый кризис,
В следующем разделе мы подробнее рассмотрим альфа-
который вновь привел к значительной волатильности доходности
инвестиций.
факторы, определяющие
2000-е
стратегии,
годы описанные выше.
сопровождались целым рядом структурных изменений на рынке,
от детенизации
до роста биржевых фондов. Этот период также дем-
нам гибкость и устойчивость количественный инвестиционный
подход, и показал, что количественные операторы развивающихся
Альфа
прогнозы смогли адаптироваться к новой рыночной среды,
инновациям,
а в итоге остаться актуальным.
СТАТИСТИЧЕСКИЙ АРБИТРАЖ
Термин “статистический арбитраж” (stat arb) иногда используется

для описания
торговой стратегии, основанной на монетизации систематических
прогнозов цен, или альф.
В отличие от чистого арбитража, когда безрисковая прибыль
может быть
зафиксирована путем одновременной покупки и продажи корзины
активов, стратегия
stat arb направлена на использование взаимосвязей между ценами
активов, которые
оцениваются с использованием исторических данных. Поскольку
методы оценки Импер-
фект, и потому точное отношения между активы неизвестны и
бесконечно сложен, стат АРБ стратегии профит сомнителен. Это
подвержено
В поисках законных взаимосвязей между ценами на активы
ошибкам в оценке,
академическая переоснащению,
литература неполной информации
была и продолжает и
оставаться важным
изменениям в
источником идей.
динамике
Например,рынка,
работакоторые могутэкономистов
финансовых привести к исчезновению
над моделью
предыдущих
ценообразованияотношений. Тем не
капитальных
менее,
активовцель практикующего
(CAPM, врача состоит
которая направлена в том, чтобы
на разложение
посредством анализа данных и
доходности акций на рыночную составляющую и индивидуальную
проверки статистических
составляющую) и гипотез выяснить, какие взаимосвязи
являются действительными и заслуживают
ее производных породила огромный, длящийся несколько
выделения капитала, а
десятилетий поиск, чтобы какие являются фиктивными и могут
привести
доказать ив / или опровергнуть ее обоснованность и усилить ее
богадельню.
объяснительную силу
с помощью дополнительных факторов. Первоначальное
исследование CAPM было опубликовано
в 1960-х годах (например, статья Уильяма Шарпа 1964 года “Цены
на основные средства
Но модели академических кругов, даже когда они обеспечивают
: теория рыночного равновесия в условиях риска”),
основу для
и дебаты продолжались в 1990-х годах (например, Юджин Фама и
прикладных исследований, часто являются неполными или
Кеннет
основаны на предположениях, которые
Френч, “Поперечное сечение ожидаемой доходности акций”). В
несовместимы с реальными рынками, на которых работают
скане
трейдеры. В результате
Журнала The Journal of Finance за 2018 год обнаружена по
успешное применение таких моделей может оказаться
крайней мере одна запись на тему
затруднительным или невозможным. Это
факторного ценообразования (“Интерпретация факторных
наблюдение применимо не только к моделям из финансовой
моделей” Сергея Козака, Стефана
экономики, но
Нагеля и Шрихари Сантоша).
также к моделям из областей эконометрики, прикладной
статистики, таким
как анализ временных рядов и машинное обучение или регрессия,
а также к исследованию и оптимизации операций.
В качестве примера можно привести множество регрессионных
моделей
Перспективы альфа-исследований 11
, как правило, оцениваются на основе минимизации

среднеквадратичных ошибок
для удобства вычислений. Но среднеквадратичная ошибка
необязательно является
целью, которую
управление трейдеры
риском имеют
снижения в виду
этого при разработке
денежного своих
потока. Простота
статистических
цели определениястратегий -
они могут быть болееошибки
среднеквадратичной заинтересованы
является вкомпромиссом
создании стабильного
против
денежного
полноты потока и
использования цели. Альтернативы возможны, но
относятся к сфере коммерческой тайны,
которую фирмы, занимающиеся количественным
инвестированием, разрабатывают собственными силами и
хранят при себе, никогда не публикуя, а передавая из поколения в
поколение, формируя основу глубокого институционального пула
СУЩЕСТВОВАНИЕ АЛЬФ
знаний, защита которых
в интересах фирмы.
Мы могли бы обсудить, должны ли вообще существовать стратегии
alphas и stat arb
. Фактически, академическая литература по финансовой
экономике исчерпывающе рассматривает
эту проблему, квалифицируя рынки и природу
информации и то, как она влияет на цены, и выводя выводы,
основанные
на различных предположениях о рынках, об участниках рынка
и их уровне рациональности, а также о том, как участники
взаимодействуют и
обрабатывают информацию. Термин “гипотеза эффективного
рынка” (EMH)
иногда используется для описания теории, которая утверждает,
что рыночные цены отражают
всю доступную информацию. EMH приобрела известность в 1960-х
годах,
и эмпирические исследования цен и эффективности работы
Следствием EMH является то, что цены будут развиваться в
управляющих активами с тех
процессе,
пор укрепили идею о том, что рынок достаточно эффективен
неотличимом от случайного блуждания. Однако другая ветвь
, чтобы было невозможно определить, обусловлена ли
финансовой экономики попыталась опровергнуть EMH.
деятельность топ-менеджеров активов чем-либо иным, кроме
Поведенческая экономика
удачи.
номика изучает несовершенства рынка, возникающие в
Теория также подразумевает, что поиск
результате психолого-
закономерностей, пригодных для использования в ценах и в
логических особенностей инвестора или когнитивных
других формах общедоступных
предубеждений. Несовершенства финансовых рынков
данных, не приведет к разработке стратегий, в которых инвесторы
могут быть вызваны чрезмерной самоуверенностью, чрезмерной
могли бы быть уверены со статистической точки зрения.
реакцией или другими дефектами в том, как
..........."
люди обрабатывают информацию. Эмпирические исследования,
возможно, имели неоднозначные
результаты, направленные на опровержение EMH, но если ни
один инвестор ничего не предпринял
12 Поиск Альф
если бы вы прилагали усилия для сбора и анализа информации,

тогда цены не отражали бы
всю доступную информацию, и рынок не был бы эффективным. Но
это,
в свою очередь, привлекло бы инвесторов, ориентированных на
прибыль, к решению
Даже если мы можемпроблемы
привести доводы в пользу существования
анализа информации и торговли на ее основе. Таким образом, со
альф
временем
при различных стилизованных допущениях, детали предсказания
некоторые
в реальном инвесторы должны получать прибыль от анализа
информации.
мире сложны. Прогноз с низкой точностью или прогноз, который
оценивает слабое изменение цены, может быть неинтересен с
точки зрения практика
. Рынки представляют собой совокупность намерений людей,
подверженных влиянию меняющихся технологий,
макроэкономической реальности, нормативных актов
и благосостояния, и это делает бизнес прогнозирования более
сложным,
чем кажется на первый взгляд. Следовательно, для
моделирования рынков инвесторам необходимо
глубокое понимание внешних переменных, влияющих на цены
РЕАЛИЗАЦИЯ
финансовых инструментов. Это проблема, с которой сталкиваются
специалисты по прогнозированию рынка
Альфа-версии обычно реализуются на языке программирования,
и алгоритмические трейдеры, мотивированные ожиданием того,
таком как C ++,
что они
Python или другом гибком и современном языке. При реализации
будут вознаграждены за свои усилия и за мастерство в решении
на языке программирования альфа-это функция, которая
сложных задач.
принимает данные и
выводит прогноз цены каждого инструмента в тестируемом
юниверсе
. Простейшими формами данных являются параллельные и
исторические цены.
Другие часто используемые данные включают объемы и другие
рыночные показатели,
учетные переменные в отчетах о доходах или движении денежных
средств компании, будущей цены финансового инструмента
Прогнозирование
заголовки новостейпроблемой
является сложной и записи, связанные с социальными сетями.
. Например,
Качество данных
чтобыявляется
спрогнозировать цену акций, котирующихся на
важной проблемой в процессе исследования alpha. Погрешность в
NYSE,
исторических
в течение следующего
данных месяца, исследователю необходимо
может сделать
понимать не только
невозможной
(1) калибровку точных моделей.
Текущие проблемы
специфические особенности
с даннымиэтих акций, но также (2) то, что
, такие как
движет отраслью,
технические неполадки, человеческая ошибка,
неожиданные
к которой принадлежат
измененияакции,
данных
и, для
в конечном счете, (3) то, что
матрицырынком
движет и многое другое, могут подорвать способность модели к
прогнозированию.
котирующихся акций в целом, то есть мировой экономикой.
Сложность проблемы можно значительно уменьшить,
сосредоточив внимание на относительных
.
Перспективы Alpha Research 13
цены; например, вместо того, чтобы пытаться предсказать

абсолютную цену
акции XYZ, вы можете попытаться предсказать цену акции XYZ
относительно
других акций в отрасли XYZ. Уменьшая масштаб проблемы, (2)
и (3) можно игнорировать. На практике инвесторы могут
попытаться монетизировать такие
прогнозы
ОЦЕНКА относительной стоимости с помощью рыночных
инвестиционных стратегий.
Что такое хороший альфа? Не существует единого показателя,
который даст ответ на этот
вопрос. Ответ частично зависит от того, как будет
использоваться альфа-версия. Некоторые инвестиционные
стратегии требуют очень сильных предсказателей; другие
извлекают незначительную выгоду из слабых. Вот несколько
советов
• Хорошаядляпроизводительность в выборке не гарантирует хорошую
альфа-оценки:
производительность
производительность. вне выборки
• Выбросы могут разрушить модель и привести к ошибочным
прогнозам.
• Принципы проверки нескольких гипотез подразумевают, что чем
больше усилий
потрачено на анализ фактических данных и чем больше
рассмотрено альтернатив,
• тем ниже
Период вневероятность выбора оптимальной
выборки необходим модели. прогнозной
для подтверждения
. Чем дольшемодели
период вне выборки, тем выше
достоверность модели, но тем меньше данных в выборке
доступно для калибровки
модели. Оптимальное соотношение данных в выборке и вне
выборки при
построении модели зависит от сложности модели.
ОГЛЯДЫВАЯСЬ НАЗАД
Тестирование включает в себя оглядывание назад во времени,

чтобы оценить, как прогноз
или торговая стратегия выполнялись бы исторически. Хотя бэк-
тестирование имеет неоценимое значение (дает представление
как о рынках, так и о
том, как бы работала альфа-версия),
следует
• помнить
История о двух важных
не повторяется моментах:
в точности. Так что, хотя альфа-идея
может
отлично смотрится в бэктесте, нет никакой гарантии (только
уровень уверенности), что он продолжит работать в будущем.
Это происходит из-за
извращенной мощи вычислений и способностей творческих
моделистов
скучать по лесу из-за деревьев. Располагая вычислительными

ресурсами, вы
можете оценить очень большое количество идей и перестановок
этих
идей. Но без дисциплины отслеживания того, какие идеи были
опробованы, и без учета этого при оценке вероятности
того, что модель является истинной моделью, а не простым
статистическим
• Разработчики артефактом
новых алгоритмических моделей оглядываются на
историю
(принципы
торговать
и оценивают,
на
проверки
рынке было
что
нескольких
намногогипотез),
проще, чем
вы можете
это былов в
конечном итоге
реальности. Это принять
связано с
куски угля за эффектами.
несколькими золото. Во-первых, ретроспективный анализ
равен 20/20. Во-вторых, данные, очищенные до пол-
шероховатостей, могут привести к завышению исторической
альфа-производительности.
Наконец, вычислительные мощности и технологии развиваются,
а сегодняшние инструменты
исторически были недоступны. Например, идеи, которые в 1980-
х годах казались
достаточно простыми для программирования в электронной
таблице Lotus, на самом деле
тогда было не так просто обнаружить и реализовать. Каждый
ВОЗМОЖНОСТЬ
период имеет
свой собственный рынок и свои собственные уникальные
Эксплуатируемые ценовыеКаждая
рыночные возможности. модели родов-
и торгуемые модели
прогнозирования существуют потому,
ного алгоритмического моделистов есть что возможность
участники рынка
установить, что различаются
включает в себя своими инвестиционными целями,
своими предпочтениями
возможность обнаружения мощный рынок прогнозы, что будет
(такими как толерантность к риску) и своей способностью
создавать
обрабатывать информацию.
съел значительную прибыль.
Участники работают с ограниченным набором ресурсов и
стремятся оптимизировать свои
инвестиционные стратегии с учетом ограничений, налагаемых
этими ресурсами.
Они оставляют другим возможность воспользоваться любыми
торговыми
возможностями, на которых у них не было пропускной
способности или возможности сосредоточиться
. Участники рынка с долгосрочными инвестиционными
горизонтами, как правило, не
обращают такого же внимания на краткосрочные колебания цен,
как участники
с краткосрочными инвестиционными горизонтами. И наоборот,
трейдеры с краткосрочным
инвестиционным горизонтом могут работать эффективно, не
имея понимания фундаментальных принципов оценки, которые
используются институциональными инвесторами, озабоченными
масштабируемостью,
эффективностью налогообложения и долгосрочными
показателями (или, в некоторых15случаях, показателями
Перспективы Альфа-исследований
относительно индекса). Трейдеры, использующие кредитное
плечо, не могут мириться с волатильностью и просадками в той
например,
же степени, монетизация
что и трейдеркраткосрочных альфа-платежей с
без заемных средств.
помощью инфраструктуры с низкой задержкой
В отличие от трейдеров, использующих кредитное плечо.
,Фирмы
использование
с большими крупномасштабной
технологическими обработки данных
бюджетами или
могут
применение
превзойти конкурентов в областях
методов прогнозирования с высокой
Цель альфа-исследователя - выявитьвычислительной
прогнозируемыенагрузкой
цены
машинного
или ценовыеобучения или искусственного
взаимосвязи, интеллекта
на которых инвесторы могут получить
.прибыль. Тот факт, что
рынок постоянно развивается и реагирует на новую информацию
и
новые источники информации, гарантирует, что возможность
найти альфы будет
существовать бесконечно. Это хорошая новость для следующего
поколения
исследователей alpha, но это также означает, что модели,
разработанные для рыночных
условий, которых больше не существует, перестанут
функционировать, а их прогностическая
способность неумолимо уменьшаться со временем. Работа альфа-
исследователя
никогда не заканчивается.
3
Сокращение потерь
Автор: Игорь Тульчинский
Человек - это существо, которое добилось успеха, потому что

смогло
разобраться в своем окружении и разработать правила более
эффективно, чем это смогли его
естественные конкуренты. В охоте, сельском хозяйстве, а позже в
математике
и физике появилось
Бесконечное множество
количество правил.правил
возможных Сегодня правил
описывает
предостаточно
реальность, и мыво всех сферах
жизни, от финансов
всегда боремся за то,дочтобы
науки, от взаимоотношений
обнаружить до режимаих.
и усовершенствовать
самосовершенствования
И все же, как это ни парадоксально, есть
. Человек
только одновыживает
Общепринятый правило, благодаря
которое
научный правилам.
управляет
принцип имичто
гласит, всеми. Это правило
ни одно
гласит:
на самом ниделе
одноне правило никогда
может быть не работает
доказано –
идеально.
его можноЯтолько
называю это Неуправляемостью.
опровергнуть. Карл Поппер, великий
австрийский философ
науки, указал на это в 1934 году. Он утверждал, что, хотя
невозможно
проверить
Для такой универсальную
неопределенности истину, единственный
есть веские причины.контрпримерный
Реальность
пример может опровергнуть ее.
сложна.
Поппер
Люди и их подчеркивал, что, поскольку
идеи несовершенны. Идеи чистых фактов
выражаются какнеабстракции
существует, все наблюдения и
, в словах или символах. Правила - это всего лишь метафорические
правила субъективны и теоретичны.
попытки
навести порядок в этой сложной реальности. Таким образом,
каждое правило имеет недостатки, и ни одно
правило не работает
Мы подобны постоянно.
художникам, Ни одна
медленно отдельная
рисующим догмана
образы не
описывает мир полностью,
холстах. Каждый мазок но
каждое правило описывает
может приблизить какой-то
изображение аспект мира.
к реальности, И каждое
но картина никогда
правило
не станет
иногда срабатывает.
идеальной интерпретацией реальности. Есть много примеров
этого. Законы Ньютона, которые на протяжении столетий,
казалось, идеально описывали движение,
оказались ошибочными, уступив место теории относительности
Эйнштейна.
Поиск альф: количественный подход к построению торговых стратегий, второе издание. Под
редакциейВ течение
Игоря многих
Тульчинского веков
и др. и законы Ньютона, которые, казалось,
Виртуального исследовательского
идеально описывали центра WorldQuant.
движение,
Попытки человека объяснить свое место во вселенной
продолжаются
эволюционировали от веры в то, что земля находится в центре

космоса
, к осознанию того, что мы крошечные, хрупкие существа,
плывущие по течению в огромной вселенной,
которая ускользает от нашего полного понимания. Аналогичным
образом, были
утверждены различные правила, призванные описывать и даже
прогнозировать
Итак, вы видите финансовые
парадокс: рынки, от
единственное правило, которое
веры в высокую
работает, эффективность
- это то, которое рынков до разработки моделей
ценообразования
гласит, что ни одно направило
основе опционов
не всегда работает. Правила - это
. Все они
пылинки, оказались
фрагменты ошибочными,
Именно по этой причине так важно обычно после
уметь сокращать свои
обвалов рынка.
большей
потери реальности.
, когда плывешь по часто бурным морям рынков, где царит
неуправляемость
. Как можно пережить эту турбулентность и перемены? Как
лучше всего справиться с множеством меняющихся правил, все
они несовершенны,
Трейдинг - это микрокосм реальности, динамичная среда с
многие из сложностью,
огромной них противоречат друг миллионы
в которой другу, основаны на различных
участников действуют
наборах
и обстоятельств
реагируют на основе и
предположениях?
правил и убеждений, которые, в свою очередь, отражаются на
более широкой среде и влияют на нее.
Задача в трейдинге состоит в том, чтобы разработать правила,
которые описывают и
предсказывают
Мы представляемрынки, а затемправила
торговые успешно в использовать их для
виде альфа-алгоритмов,
получения прибыли, не
которые направлены на то, чтобы заранее
изменяя
определятьэтибудущую
рынки таким образом,
доходность который
ценных могУправление
бумаг. бы привести к
разрушению альф, каждая из которых
миллионами
самого правила.
отражает некоторую гипотезу о рынках, является сложным делом
и самостоятельной темой. Имея дело с миллионами альф,
становятся очевидными определенные
Концепция сокращения
закономерности. Лучший, торговых
наиболее потерь существует
универсальный уже долгое
способ
время. Он
справиться возник в том, что, возможно, является самым старым
типом торговли, так называемым
с этой сложностью (и с тем фактом, что все правила в конечном
следованием
итоге рушатся) тренду, при котором трейдер делает ставку на то, что
растущая
- это знать,(или падающая)
когда ценная бумага
следует сократить свои потери.
продолжит расти (или падать). В таком сценарии сделки обычно
открываются
В современномпри достижении
мире трейдинганового максимума и закрываются,
альфа-стратегии редко бывают
когда накопленная
такими простыми
прибыль
, как это. превышает
Вместо того,некоторые заданные
чтобы следовать пределы.
определенной
безопасности, мы применяем тенденция следовать-
ских, накопленная прибыль и убытки стратегии в целом, которая
может состоять из нескольких отдельных Альфы на много ценных
бумаг.
Сокращение потерь 19
Проще говоря: сокращение потерь означает отказ от правил,

которые
больше больше не
не работают.
Хотя логику сокращения убытков легко увидеть в трейдинге,
этот
принцип справедлив и в других сферах жизни, включая бизнес,
руководство и даже взаимоотношения. Иногда вам просто нужно
признать
Сокращение потерь требует дисциплины и подчинения своего
, что все, что вы делаете, не получается, и двигаться дальше.
эго.
Как правило, эмоции играют большую роль в любом мышлении и
принятии
решений. Нейробиологи изучали пациентов, страдающих от
повреждения областей мозга, участвующих в обработке эмоций,
которые
неспособны принимать простые решения, такие как выбор того,
какую рубашку надеть
утром. В нашей работе по разработке и внедрению alpha-систем
мы
часто руководствуемся эмоциональной уверенностью. Когда мы
разрабатываем
Возможно, практике сокращения потерь не следуют более
стратегию,
широко процесс начинается со слов: “Я понимаю, как устроен
мир.
по соображениям самолюбия. Или, возможно, людям не хватает
Я верю в
знаний обсвое правило. Вот мое правило”. Поскольку эго и
альтернативных
гордость
правилах,
Разумнокоторые могли быот
воздерживаться сработать. Зачастую высокая
веры исключительно в какую-либо
переплетены с этой уверенностью, может быть трудно отказаться
стоимость изменения
конкретную теорию стратегии может
от правила,
способствовать
или правило. Высопротивлению
можете веритьотказу от но
им всем, правил, которые больше
не принимайте ни
которое вы придумали, даже перед лицом доказательств того, что
не работают.
одно из них полностью
это правило
. Иногда они срабатывают, иногда нет. Лучший
больше не работает.
показатель того, является ли правило хорошим, - это то, насколько
хорошо оно работает
Мы собираем в данный
все идеи момент.
и позволяем времени и
Остальное - спекуляции.
производительности Если правило
показать, работает, мы инвестируем
что работает
,в анего; еслиионо
что нет, не это
когда работает,
работает, а когда нет. Когда мы
мы этого не делаем.
постулируем новая идея, правило, или альфа, основанные на
исторических данных и Тор-
хотя статистический анализ (иногда с примесью основных ИСВ-
дом), затем идет в нашу базу знаний. Исходя из этого множества
идей,
мыСтарая
стремимся создать
поговорка максимально
гласит, приближенную
что в стране к финансовой
слепых одноглазый
реальности вещь. Но чтобы делать то, что мы делаем, мы должны
человек
смириться
- король. Мы с тем фактом,
живем в стране слепых. Особенно в трейдинге и на
что
финансовых рынкахузнаем
мы никогда не всего,
принятие что
этой нужно знать.
слепоты и эффективное
использование
единственного здорового глаза является большим преимуществом.
КАК ПРИМЕНИТЬ ПРИНЦИП НЕУПРАВЛЯЕМОСТИ ДЛЯ

СОКРАЩЕНИЯ ПОТЕРЬ
Мы признаем, что количество несовершенных идей безгранично и
что реальность неизвестна и непознаваема. Но каждая
несовершенная идея
немного описывает реальность, поэтому, чем больше у нас альф,
тем лучше мы можем
описать аспект
Поскольку ниреальности и тем
одно правило ближе мысовершенным,
не является можем подойти к
тому, чтобы иметь
комбинация
приближена всех“один
правил может быть максимально
к совершенству.
глаз”, с помощью
Совместное которого всех
применение мы можем
правилстремиться увеличить
- ключ к успеху. Например,
прибыль.
чтобы
перейти улицу, вы можете помнить о следующих трех правилах:
1. Посмотрите налево, посмотрите направо, еще раз посмотрите
налево, тогда переход безопасен.
2. Если вы слышите громкий шум, повернитесь в направлении
шума.
3. Вы
Если вы видите
можете машину,
начать направляющуюся
переходить улицу, веря вк вам, бегите!
Правило 1 и утешаясь им, затем услышать сигнал клаксона,
который запускает действие Правила 2. От правила 1 следует
немедленно отказаться, поскольку вывод о безопасности был
оспорен шумом.
Это имеет Затем выпоследствия:
следующие применяете правило 3.
• Необходимо придумать как можно больше хороших правил.

• Ни на одно отдельное правило никогда нельзя полностью
полагаться.
• Необходимо разработать стратегию одновременного
использования правил.
Как вы узнаете, когда инвестиционная стратегия не работает?
Когда доходность стратегии выходит за рамки ожидаемой. Обычно
это
сопровождается следующими сигналами:
• Просадка превышает типичные просадки, наблюдавшиеся ранее.
• Коэффициент Шарпа стратегии значительно падает.
• Правила, которые изначально соблюдались в историческом
моделировании, утратили
больше не действуют силу
в реальной торговле.
Важно одновременно придерживаться разных стратегий и

направлять свои усилия на те, которые работают. Предположим, у
вас есть теория,
описывающая, когда цены на золото вырастут. Теория
срабатывает в 50% случаев
сведения
Сокращение потерь 21
время. Предположим, у вас есть 10 других не менее надежных

теорий. Комбинация
теорий должна описывать реальность лучше, чем любая из них. И
лучший способ определить, какой из них наиболее точен, - это
понаблюдать,
Затем наступает дисциплина сокращения потерь.
какие изстратегия
Когда них работают в данный
перестает момент.
работать, определите убеждение,
которое изначально
мотивировало деятельность. Если убеждение было явно ложным,
вы играете
в кости. Лучше всего прекратить это занятие и заняться более
продуктивными
Допустим, вы нанимаете кого-то для ремонта вашего дома. Они
усилиями.выполнить
обещают
работу за 50 000 долларов, но
уже потратили 45 000 долларов менее чем на половину проекта.
НаПредположим,
этом этапе ваммы
следует отказаться
вовлечены от этого конструктора,
в деятельность – назовем ее X,если
–
переход начинает
которая на новый может быть осуществлен достаточно дешево.
терять деньги. Деятельность может быть любой, возможно,
торговой стратегией или
бизнесом.
• Теряю лиНам нужно
я деньги в задать следующие
упражнении X? вопросы:
• Какова максимально допустимая потеря? (Назовите
максимально допустимую
возможную потерю Y.)
• Какова наблюдаемая сумма убытков? (Назовем наблюдаемую
потерю Z.)
Перед началом действия X мы должны определить максимально
допустимый
убыток, Y. Если наблюдаемый убыток, Z, превышает максимально
допустимый
убыток, Y, а стоимость выхода не слишком высока, сократите
убыток.
Краткие
Изучите каждое потенциальное действие, прежде чем приступить

к нему. Определите:
• Какова цель?
• Каковы нормальные, ожидаемые трудности?
Заранее спланируйте, как дешево отказаться от стратегии.

Применяйте несколько стратегий одновременно.
Откажитесь от всех стратегий, которые выходят за рамки
ожиданий.
ЧАСТЬ II
Проектирование и оценка
4
Альфа-дизайн
Скотт Бендер и Юнфэн Хэ
В этой главе будет описан процесс разработки альфа-версии,

начиная с
необработанных данных. Мы обсудим некоторые важные
дизайнерские решения, которые вам
необходимо принять при создании альфа-версии, а также то, как
правильно оценить
альфа-версию. В конце этой главы мы осветим некоторые
проблемы,
ВВОД ДАННЫХ В АЛЬФА-систему
которые могут возникнуть после разработки и запуска в
производство
Альфа-системы альфа-версий.
подпитываются данными. Преимущество,
требуемое для альфа-версии, может быть получено за счет
выявления высококачественных фрагментов общедоступных
данных, превосходной
обработки
• данных На
Цены и объемы. - или за счет
основе того
этих и другого.
данных можетВот некоторые
быть
типичные
построенисточники данных:
технический анализ или регрессионные модели.
• Основы. Автоматизируя анализ ключевых показателей для
каждой
компании, вы можете создавать альфа-подразделения, которые
• обычно имеют очень низкий
Макроэкономические данные,оборот.
такие как показатели ВВП и
занятости,
которые оказывают влияние на рынок в целом после их
• публикации.
Текст, такой как протоколы Федерального комитета по
операциям на открытом
статьи, журналы, рынке,
новости или файлы компании
социальные сети.
• Мультимедиа, в частности соответствующие видео или аудио.
Существуют зрелые технологии
способы обработки таких данных- – например, преобразование
аудио в текст
, которые могут быть использованы для построения моделей.
Иногда источники данных используются не для генерации

направленного сигнала
, а для того, чтобы попытаться уменьшить шум при
прогнозировании и уточнить другие альфа-сигналы
.• Примерами являются:
Модели факторов риска. Контролируя подверженность риску
или устраняя
подверженность некоторым факторам риска, можно стремиться
улучшить
• Модели альфа-системы.
взаимоотношений, такие как инструменты, которые
обычно
друг с вдругом.
некоторой степенимогут
Некоторые коррелируют
опережать или отставать от
других,
создавая тем самым потенциальные возможности для
арбитража.
Сегодня, когда объем информации стремительно растет,
извлечение сигналов из
расширяющегося океана данных становится все более и более
сложной задачей.
Пространство решений является невыпуклым, прерывистым и
динамичным; хорошие сигналы часто
возникают там, где их меньше всего ожидают. Как мы можем
извлечь
• Поиск такие сигналы? предыдущих открытий.
в окрестностях
Ограничивая
• Экономия ресурсов, чтобыпоиска
пространство и используя
не копать слишкомметоды,
глубоко.ранее
применявшиеся
• Использование проверенных сигналов для повышения
охотниками
Выделениеза
вероятности
• посокровищами:
находки.
крайней мере некоторых ресурсов
(вычислительной
диких теорий. мощности) для проверки
АЛЬФА ВСЕЛЕННАЯ
Важным шагом в разработке альфы является выбор целевого

набора
активов для торговли; этот набор активов называется вселенной
альфы.
Вселенная
• может
Класс активов быть ограничена
(акции, по одному
биржевые фонды, или нескольким
фьючерсы, валюты,
измерениям, таким как:
опционы, облигации и т.д.)
• Регион или страна
• Сектор или отрасль
• Отдельные инструменты
Выбор юниверса обычно определяется охватом входных

данных или идеей альфа-версии, но альфа-версии могут быть
разработаны и настроены специально
для определенного юниверса, даже если данные имеют более
широкий охват.
Альфа-дизайн 27
ЧАСТОТА ПРОГНОЗИРОВАНИЯ альфа-СИГНАЛА
Другим важным дизайнерским решением при создании альфа-

сигнала является частота прогнозирования
. Это определяет время, в которое альфа будет генерировать
новые прогнозы.
Некоторые типичные частоты:
• Тик. Новые прогнозы запускаются такими событиями, как

сделка
рынке.на
• Внутридневной. Прогнозы генерируются несколько раз в
заранее
моментыопределенные
в течение дня.
• Ежедневно. Одно предсказание в день, из которых существует
несколько
следующиетипичных
подтипы:
Задержка 1. Для составления прогноза могут
■
использоваться только данные, доступные до текущего

торгового дня. снимок с задержкой 0. Данные до
Моментальный
■
определенного времени могут быть использованы для

прогнозирования.
MOO/MOC.
■
Прогнозы привязаны к открытию или закрытию
• Еженедельно
аукциона. или ежемесячно.
Как и при выборе юниверса, это решение часто определяется

частотой входных данных.
ЦЕННОСТЬ АЛЬФЫ
Окончательным критерием ценности альфы является то, сколько

прибыли с поправкой на риск
альфа добавляет к стратегии, по которой она торгует. На практике
это трудно точно измерить,
поскольку:
• Не существует канонической стратегии, в которой можно
использовать альфа-версию,
точная стратегия, и будет использоваться альфа-версия,
в которой
может быть неизвестна на
• момент ее разработки.
В комбинации часто присутствуют нелинейные эффекты,
которые
трудно усложняют ее прибыль к отдельным альфам.
точно отнести
Все это говорит о том, что мы все еще можем делать полезные
прогнозы о том, добавит ли
альфа ценность в стратегии, и мы можем предоставить разумную
оценку того,
насколько альфа способствовала эффективности стратегии.
ПРАКТИЧЕСКАЯ АЛЬФА-ОЦЕНКА
Поскольку целевая торговая стратегия может быть неизвестна

при разработке альфа-версии
, как мы можем
узнать, будет ли она полезной, рассматривая альфа-версию как
таковую? Альтернативно, при изменении альфа-сигнала
действительно ли он улучшается?
Типичным методом сбора данных Чтобы ответить
о торговых на эти вопросы,
стратегиях
требуются хорошие
является запуск количественные
моделирования измерения
(то есть обратного тестирования)
. измерение характеристик
и
результата, таких как коэффициент информативности. Один из
способов провести аналитические
измерения для альфы - это сопоставить ее прогнозы
с торговой стратегией, а затем запустить такое моделирование.
Существуют различные
способы сделать это сопоставление, но самый простой -
предположить, что прогнозируемая
сила альфы равна позиции доллара, занятой торговой стратегией.
Одна из проблем
После построенияс этим методомможно
симуляции сопоставления
провестизаключается
некоторые в
том, что альфа-трейдеры
полезные измерения - часто сами по себе
улучшения, которые можно предпринять, следующие: не сопоставляют
хорошие стратегии, потому что они предназначены для
прогнозирования
• Коэффициент информативности. Среднее значение
доходности,
стандартное а не
альфы,для совершения
отклонение
деленное на прибыльных
доходности, сделок
измеряет, за вычетом
насколько
затрат. Одним
последовательноиз способов решения
этой проблемы
альфа является прогнозы.
делает хорошие взимание платы за снижение
Объединение коэффициента
транзакционных
информативности издержек
с при моделировании.
продолжительностью периода наблюдения может помочь нам
определить наш уровень
уверенности в том, что альфа лучше случайного шума. Разумный
коэффициент информации в годовом исчислении для уникальной
альфа-версии
• Маржа с небольшим
- это сумма подбором,
прибыли, полученная alpha в ходе
,наблюдаемый
моделирования в течение
деленная на объем пятилетнего
совершенной периода,
торговли. Это показатель
равнялся бы 1,0.альфа
того, насколько На практике альфа-символы
чувствительна к транзакционным
имеют некоторую
издержкам. Более подгонку и корреляцию с существующими
высокая маржа
альфа-символами, поэтому
означает, что альфа не сильно зависит от торговых издержек.
коэффициент информативности
Альфа-ставки с обычно немного выше этого.
низкой маржой не добавят ценности, если только они не будут
сильно отличаться
Корреляция от уникальность альфа-сигнала и часто
измеряет
других альфа-ставок
измеряется
сравнивается в стратегии.
с наиболее Для среднедневной
коррелированным альфа-
альфа-сигналом,
ставки
которыйобычно приемлема
существует разница в 5
в альфа-пуле.
базисных пунктов.
Альфа-дизайн 29
Более низкая корреляция указывает на то, что альфа более

уникальна и,
следовательно, более желательна. Для альфа-сигнала,
характеристики которого в остальном являются
средними,
разумной
■ является
Более 0,7: слишком следующая интерпретация
высокий, если максимальной
только альфа-значение не
корреляции:
значительно лучше, чем
■ существующее альфа-значение.
От 0,5 до 0,7: Пограничный. Альфа должна быть
исключительной в каком-то
■ другом
От показателе.
0,3 до 0,5: в целом приемлемо.
■
Менее 0,3: Хорошо.
Приведенные выше измерения можно сделать более сложными.

Например,
может быть полезно проверить, обладает ли alpha хорошими
коэффициентами информации по
как ликвидным акциям (акциям с большим объемом торгов), так и
неликвидным акциям.
Если альфа-индикатор позволяет прогнозировать только
неликвидныеРЕЗУЛЬТАТЫ
БУДУЩИЕ акции, он может иметь ограниченную
полезность в стратегии, предназначенной для торговли очень
крупными суммами.
Все измерения в предыдущем разделе предназначены для
оценки альфа-сигнала, когда нет никакой информации, кроме
фактических
прогнозов. Однако дополнительная информация, такая как то, как
была сконструирована альфа, может быть полезна для
определения того, будет ли альфа
делать хорошие прогнозы в будущем. В конечном счете, что важно
, так это то, делает
Рассмотрим ли альфа пригодные
альфа-версию, для использования
которая обладает высоким
прогнозы на будущее,
коэффициентом а не исторические
информативности, но была построена путем
прогнозы.
оптимизации параметров, которые не имеют экономического
объяснения для исторических
данных. Например, предположим, что у alpha было 12 параметров,
по одному на каждый
месяц (x1 . . .x12), и предположим, что правило alpha заключается
в том, чтобы просто купить x1 доллар
всех акций вкаждая
В общем, январе,оптимизация
x2 доллара всех
или акций в феврале
улучшение, и так в
внесенные
далее. Если быпосле
альфа-версию x1–x12 были оптимизированы за последний год,
альфа-версия
наблюдения за сделала бы
историческими данными, улучшат ее
хорошие прогнозы
историческую на прошлый год, но нет никаких оснований
думать,
на что они
некоторую величину и ее будущую производительность на
сработают
некоторую вдругую,
следующем году.
обычно меньшую величину. Альфа-дизайнер должен проявлять
особую осторожность, чтобы
30 Поиск альфа-версий
убедитесь, что изменения, как ожидается, улучшат альфа-версию

в будущем,
а не только
Когда исторически.
изменения альфа-версии приводят к очень небольшим
(или даже отрицательным)
улучшениям будущих прогнозов по сравнению со значительными
улучшениями
исторических прогнозов, альфа-версия чрезмерно адаптируется к
историческим
данным. Разработчики Alpha могут измерить эффект от такого
переоснащения, взглянув
на производительность своих alpha на данных, которые не
использовались при
построении alpha (данные из выборки), и сравнив их с данными,
использованными
для улучшения alpha (данные из выборки). Сравнение
производительности
ЗАКЛЮЧЕНИЕ в выборке
с производительностью вне выборки полезно не только на альфа-
уровне, но обсуждались основные элементы альфа-дизайна,
В этой главе
также
включаясовокупности по всем альфам от данного разработчика
в
или по группам
практические подходы к оценке альфа-версий. Также были
альф от данного
устранены разработчика.
некоторые Эти сравнения
потенциальные по которые
проблемы, группам альф
могут измерить тенденцию к чрезмерному соответствию
возникают
методологии дизайнера.
после разработки альфа-версий. Благодаря использованию
ЭКСПО-
nential рост вычислительной мощности и данных источников, в
сочетании с
прочной Альфа-дизайн структуре мы можем дать толчок Альфы и
торговых
стратегий, которые развиваются вместе с рынком.
5
Как развить альфу:
тематическое
исследование
Автор: Панкадж Бакливал и Хунчжи Чен
В этой главе мы объясняем, как разработать альфа-версию,

логику, лежащую в
основе альфа-версии, как преобразовать идею альфа-версии в
математическую прогностическую
формулу, используя соответствующую информацию, и как
улучшить
Прежде идею.
чем мы подробнее поговорим об альфа-разработке и
Мы такжедавайте
дизайне, представим некоторые важные концепции оценки
эффективности
изучим простойальфы.
пример, чтобы лучше понять, как
выглядит альфа.
Допустим, у нас есть капитал в 1 миллион долларов, и мы хотим
постоянно инвестировать в
портфель, состоящий из двух акций: Alphabet (GOOG) и
Apple (AAPL). Нам нужно знать, как распределить наш капитал
между
этими двумя акциями.
Существует Если
множество мы ежедневно
факторов, которыепроводим
могут повлиять на
перебалансировку
цены акций, таких нашего
как портфеля, нам нужно
прогнозировать доходность
поведение трейдеров, каждой
ценовые акции вновости,
тенденции, течение следующих
нескольких дней. Как
фундаментальные мы это делаем?
корпоративные изменения и
изменение долей крупных учреждений или корпоративных
инсайдеров – должностных лиц,
директоров или акционеров, владеющих более чем 10%
определенного класса зарегистрированных долевых ценных бумаг
компании
Давайте попробуем разработать альфа-версию, используя
. Чтобы упростить
последние ценовыезадачу, мы можем
тенденции, используя
разбить
доступныепроцесс
данныепрогнозирования на два
в виде ежедневных этапа: во-первых,
исторических цен намы
эти
прогнозируем
две
акции. Следующий
доходность акций каждого
шаг - придумать
инструмента,
разумную
используя
идею.один фактор,
такой как новости
Предположим, что,или ценовые
тенденции; во-вторых,
основываясь на исторических
мы объединяем
ценах, мы всенаблюдаем,
различныечто прогнозы.
две акции
имели тенденцию к росту в течение прошлой недели. Логика
редакциейподсказывает,
Игоря Тульчинскогочто
и др.виотсутствие
какой-либо
Виртуального дополнительной
исследовательского информации, когда цены на акции
центра WorldQuant.
растут, инвесторы
© 2020 Тульчинский склонны
и др., Виртуальный исследовательский центр WorldQuant. Опубликовано в 2020
для фиксации прибыли и закрытия длинных позиций, что, в свою

очередь, толкает
цены на акции вниз. В то же время, когда цены на акции падают,
инвесторы
видят возможностьидеи
Преобразование купить акции по более дешевому
в математическое выражениекурсу, что, в
не всегда
свою очередь,
происходит прямолинейно
.толкает
Однакоцены на акции вверх.
в приведенном выше случае это можно сделать просто
следующим образом:Альфа 1 возвращение недели
Отрицательный знак указывает на то, что короткая позиция

открывается при
восходящем тренде, а длинная позиция - при нисходящем.
Сумма длинной/короткой позиции в долларах по конкретному
финансовому инструменту
определяется величиной стоимости, заданной формулой.
Это означает, что чем сильнее ценовой тренд, тем больше
вероятность того,
что цена вернется. Предположим,
Альфа-GOOG что2 наш алгоритм выдает
следующие значения
Альфа-AAPL
для двух акций соответственно: 1
Приведенные выше значения имеют соотношение 2 к 1. Это

означает, что мы хотим удерживать
в два раза больше GOOG, чем AAPL; положительное число
означает, что
мы хотим удерживать длинную позицию, в то время как
отрицательное число означает, что мы
хотим удерживать короткую позицию. Таким образом, используя
капитал
Таким вобразом,
размереальфа-модель
1 миллиона долларов
на самомв деле
качестве
представляет собой
примера,
алгоритм,мы хотим преобразует
который открыть длинную позицию GOOG на 1 миллион
входные
долларов и короткуюновости,
данные (цена-объем, позициюфундаментальные
AAPL на 500 000 долларов
показатели и т.д.)
в конце
В сегодняшних
вектор, торгов. В этом примере, конечно,
который является
предполагаетсяАльфа-входные
пропорциональным деньгам,данные
вектор альфа-значений
которые мы хотим хранить в каждом
нулевые транзакционные издержки.
инструменте.
Теперь, когда мы понимаем, что такое альфа, давайте напишем
1
Понашу
ходу первую
дела мыальфу.
представим больше концепций. Прежде всего,
нам нужно
1
Примеры альфа-показателей и возвратов, описанные в этой главе,
приведены только в
иллюстративных целях и не предназначены для обозначения какой-
либо стратегии,
используемой WorldQuant или ее филиалами.
Как разработать альфа-модель: тематическое исследование 33
определить вселенную, то есть набор финансовых инструментов,

на основе которых
мы хотим построить альфа-модель. Давайте сосредоточимся на
рынке акций США
. Существуют различные способы выбора долевых инструментов,
такие какнам
Далее использование
нужна идея для прогнозирования цены акций. Мы
компонентов индексату
можем использовать S&P
же 500.
самую Предположим,
идею мы используем
самые ликвидные
возврата к среднему, упомянутую выше, и выразить ее в терминах
3000 акций в США в качестве нашей исследовательской вселенной
математического
(назовем
выражения
Alpha1 это TOP3000).закрывается
следующим
закрывается образом:
сегодня
5 _ дней_ назад/закрывается
5 _ дней_ назад
Чтобы выяснить, работает ли эта идея, нам нужен симулятор
Мыдля обратного
можем тестирования.
использовать WebSim для этой цели.
Используя WebSim, мы получаем примерные результаты для
этой альфа-версии,
Рисунок 5.1. как показано на
В таблице 5.1 показано несколько показателей
производительности,
альфа-версии. используемых
Мы фокусируемся для оценки
на наиболее важных
показателях.
Обратное тестирование проводилось с 2010 по 2015 год,
поэтому в каждой строке
выходных данных указаны годовые показатели за этот год. Общий
объем книги моделирования
всегда фиксирован на уровне 20 миллионов долларов; PnL - это
годовой PnL. Совокупная прибыль
15 долларов
ММ
10 долларов
ММ
5 долларов
ММ
0долларов
2 2 4
01/10 07/10 10/10 01/11 04/11 07/11
04/12
10/11
07/12
01/110/1
01/13 04/13 07/13 10/13
04/14
01/107/14 10/14 01/15
Рисунок 5.1 Пример результата моделирования Alpha1 с

помощью WebSim
Как развить альфу: тематическое исследование 35
Годовой доход
определяется как:
Ann_ возвратann_ pnl/ размер /книги 2
Годовой доход измеряет прибыльность alpha.

Коэффициент информативности - это единственный наиболее
важныйвнимание.
обращать показатель,
Этонаопределяется
который мы будем
как:
Коэффициент
_ информативности
средняя дневная доходность
/ дневная волатильность
* sqrt 256
Коэффициент информативности измеряет информацию,

содержащуюся в
альфе, что примерно означает стабильность прибыльности альфы:
чем выше, тем лучше.
Максимальная измеряет
просадканаибольшие потери от пика до минимума
от
локального максимума PnL до последующего локального
минимума
Процентв прибыльных
виде измеряет
дней процент положительных дней в
возраста в процентах от размера книги, деленного на два (длинная
каждом году.
или короткая сторона
Ежедневный книги).
измеряет,
оборот насколько быстро вы перебалансируете
свой портфель, и
определяется как:
Ежедневный
_ оборот
средний объем торгов вдень
долларах
/размерза
книги
штуку
Прибыль на один проданный

измеряет, доллар
сколько вы заработали за каждый
проданный вами доллар,
и определяется как:
Прибыль
_ за _$_ на торгах
нлп/общий
_ объем
_ торгов в долларах
Для этой альфы общий коэффициент информативности равен

примерно 1, с высокой доходностью
около 31,2%, но с очень высокой максимальной просадкой в
39,22%. Это означает, что
риск очень высок, поэтому PnL не очень стабилен. Чтобы
уменьшить смоделированную
максимальную просадку, нам нужно устранить некоторые
потенциальные риски.
Мы нейтрализуем Мы можем
нашего альфу,достичь
требуя:
этого, используя некоторые методы нейтрализации рисков.
Отраслевой Сумма значений Alpha2 в пределах одной
и рыночный 0 отрасли
риски являются самыми большими рисками для фондового рынка.
Мы Делая
можемэто, мы получаем
частично новый
устранить ихпримерный результат, как
показано на рисунке 5.2.
, требуя, чтобы наши портфели были сбалансированы по длинным
и коротким позициям в каждой отрасли.
Совокупная прибыль
$6ММ
5 долларов
ММ
$4ММ
$3ММ
$2ММ
$1ММ
0долларов
1 2 2 3 4 4 4
01/1007/10 10/10 01/11 04/11 07/11
01/12 10/1
04/1
07/12 10/1
01/13 04/1
07/13 10/13 01/1
04/107/1 10/14 01/15
Рисунок 5.2 Пример результата моделирования Alpha2 с помощью

WebSim
Как показано в таблице 5.2, коэффициент информативности
увеличивается до 1,37, а
доходность снижается до 10,22%, но максимальная просадка
снижается
Величина нашей альфы равна пятидневному возврату, что не
значительно, до менее чем 9%. Это большое улучшение.
очень
точно для прогнозирования; относительный размер может быть
более точным. Чтобы
улучшить альфа-значение, мы вводим понятие ранга поперечного
сечения, Alpha3 ранг Alpha1
что означает использование относительного ранга альфа-
значений вСумма значений
качестве новых Alpha3 в одной отрасли
0
альфа-значений.
Результаты отражены на рисунке 5.3.
Как видно из таблицы 5.3, мы получаем еще одно значительное
улучшение
улучшение. -
Теперь производительность выглядит намного лучше,
но оборот по-прежнему
немного высок. Мы можем попытаться уменьшить его с помощью
decay. Decay
По сути, означает
это означает:
усреднение вашего альфа-сигнала за некоторый временной
Новое
_ альфа новое
_ взвешенная альфа
_ старое
_ альфа
интервал.
Когда мы пробуем трехдневный спад в WebSim, мы получаем
нарезультаты,
рисунке 5.4.показанные
Совокупная прибыль
$5ММ
$4ММ
$3ММ
$2ММ
$1ММ
0долларов
2 4 4
04/10 07/10 10/10 01/11 04/11 07/11 10/11 01/1201/13
04/1204/13
07/1207/13
10/1 10/13 01/14
07/104/1
10/14 01/15
Рисунок 5.3 Пример результата моделирования Alpha3 с

помощью WebSim
Накопительная прибыль
$6ММ
5долларов
ММ
$4ММ
$3ММ
$2ММ
$1ММ
0 долларов
0 2 3 4 4
04/10 07/10 10/1
01/11 04/11 07/11 10/11
04/12
01/107/12 10/12 01/13 04/13 07/13
01/14 10/1
04/1
07/14 10/1
01/15
Рисунок 5.4 Пример результата моделирования New_alpha с помощью

WebSim
Как разработать альфа-версию: тематическое исследование 41
Таблица 5.4 выглядит великолепно. Снижается не только

оборот, но также улучшается
коэффициент информативности, доходность и просадка. Обратите
внимание, что
на каждом этапе, после оценки производительности альфа-версии,
вы можете
вернуться к исходной идее и внести значимые изменения для
дальнейшего улучшения
альфа-версии.
В этой главе мы объяснили логику, лежащую в основе альфа-
сигнала, привели
несколько примеров идей и обсудили, как преобразовать эти идеи
в
математические выражения и перевести их в положения
инструментов.
МыВытакже объяснили,
можете придумать как анализировать
больше способов иулучшить
улучшатьальфа–версию
работу
альфа-системы
- просто проявите творческий подход.
mance.
чего-то Вся
Следующий логика
шаг альфа-системы
- изучить
действительно другие
уникального.вкратце
идеи и представлена
наборы
Уникальная в блок-
данных
идея в тем,
хороша
схеме
поисках
что вы можете торговать ею
на рисунке
раньше
Удачи! 5.5. что потенциально приводит к увеличению
других,
прибыли.
1. Идея Выражение 2. Исходная альфа-версия

Операции 3. Позиция
Статистика
R
АЛЬФА-ЛОГИКА s
ev
ise
5. Производительность
Анализировать 4. PnL
(IR, tvr, ret...)
Рисунок 5.5 Пять шагов к созданию буквенных

6
Данные и альфа-дизайн
Автор: Вейцзя Ли
Данные играют центральную роль в альфа-дизайне. Во-первых,

базовые данные, такие как
цена и объем ценной бумаги, необходимы для проведения
бэктестового моделирования
. Независимо от того, какую альфа-идею вы хотите
протестировать, эта базовая
информация необходима для расчета статистики
производительности, такой как доходность,
коэффициент Шарпа и оборот. Без этих статистических данных мы
никогда не узнаем,
хороша ли альфа-идея. Во–вторых, сами данные могут вдохновлять
наВальфа-
этой главе мы обсудим эффективное использование данных в
идеи - каждая альфа-идея связана с каким-либо видом данных.
альфа-
Наблюдая,
проектировании.
например, графики
Обычно
зависимости
поиск данных
цены отявляется
объема некоторых
первым шагом
акций,
в
мы можем обнаружить
альфа-исследовании. После получения
повторяющиеся
данных следует провести
паттернынекоторые
в истории, проверки
которые можно
работоспособности,
использовать
для
чтобы
составления
убедиться прогнозов
в на
КАК МЫ НАХОДИМ ДАННЫЕ ДЛЯ альфа-групп
будущее. использования
удобстве Если бы у нас также
данных.
былЗатем
доступ
мыкможем
даннымначать
о доходах
альфа-
компании,
исследование.
одной из идей
Поиск новых данных - важнейший навык для альфа-исследователя.
было бы торговать акциями на основе колебаний прибыли.
Мы предпочитаем
альфа-файлы с хорошей производительностью и низкой
корреляцией; новый набор данных может
служить обеим целям. Иногда мы можем получать сигналы из
одного набора данных,
но они могут быть недостаточно сильными даже после того, как
мы приложили все усилия, чтобы
улучшить их. Если мы сможем получить другой набор данных и
взглянуть на компании
под другим углом, мы сможем улучшить исходные сигналы. Мы
всегда хотим создавать некоррелированные альфа-версии, чтобы
разнообразить
Поиск альф: альфа-пул.
количественный подход к построению торговых стратегий, Второе издание. Под
редакциейОднако, даже когда
Игоря Тульчинского и др. иальфа-идеи отличаются, сигналы из одного и
того
Виртуального же
набора данных все равно могут быть сильно коррелированными.
Там может быть неотъемлемой correla-
ции между сигналами, потому что такие же данные были
использованы. Если мы
получите новый набор данных, это вдохновит на новые идеи и

новые способы использования
набора данных. В идеале альфа-сигналы, найденные в новом
наборе данных, будут иметь
низкую корреляцию с сигналами, основанными на разных типах
данных.
Используя
Данные изновые данные, мы можем добиться как повышения
литературы
производительности,
Приятно иметь новыетак и
данные для создания новых альфа-индексов,
диверсификации.
но как мы получаем
новые данные? Существует множество возможных источников.
Наиболее распространенной является aca-
демическая литература. Если мы поищем “доходность акций” в
Интернете, мы можем
найти тысячи статей, которые пытаются разработать способы
учета
“аномальной доходности” (то есть альфа-показателей). В этих
статьях мы узнаем о
данных, использованных в их исследованиях: соотношение цены и
объема, фундаментальные показатели, прибыль и
так далее. Как только мы получим эти данные, мы можем
попробовать те же методы, которые использовались в
документе для разработки альфа-версии. Также можно найти
информацию,
Данные от поставщиков
просматривая общедоступный контент в Интернете. Имейте в
Данные
виду ценны, и их предоставление - это бизнес. Существует
множество поставщиков
, что чем менее известны данные, тем более ценными они могут
,быть.
которые
Еслиспециализируются
данные на сборе, анализе, обработке и
доставке данных. у многих людей могут быть похожие альфа-
хорошо известны,
Если данные
модели, простые,
которые могутпоставщики могут предоставлять только
необработанные данные,
постепенно вытеснить которые ониОднако существует
альфа-версию.
собрали, такие
вероятность, как цена и объем. Иногда поставщики проводят
что
синтаксический
даже если данные анализ и
популярны, никто не применял их так, как мы,
обработку
поэтому ониперед предоставлением данных своим клиентам;
примером могут
все еще могут служить
быть фундаментальные данные. Для
полезны.
неструктурированных, но сложных данных, таких как новости,
сообщения в
Твиттере и т. Д., поставщики обычно применяют методы
обработки на естественном языке
для анализа содержимого необработанных данных. Они
предоставляют
машиночитаемые данные своим клиентам вместо необработанных
данных, которые доступны только
для чтения человеком. Некоторые поставщики даже продают
альфа–модели напрямую - это
означает, что сами данные являются результатом альфа-моделей.
Клиентам нужно
только загрузить данные и торговать в соответствии с ними.
Однако такие альфа-модели
рискованны, поскольку
Данные и альфа-дизайн 45они могут быть перегружены и / или
переполнены, поскольку
многие клиенты одного и того же поставщика торгуют одной и той
ПРОВЕРКА
же моделью. ДАННЫХ
Чтобы избежать этих
рисков, пользователи этих моделей должны тщательно
Когда исследователи
протестировать их на alpha
выборкеполучают новые данные, первое, что
им
(OS) нужно
послесделать
получения– данных на определенный момент времени и
прежде чем проверять
использовать альфа–сигналы
их нетривиальными на них, - это проверить
способами.
удобство использования данных. В
альфа-моделировании время доставки данных является очень
важным фактором. Любая
часть данных бесполезна, если у нее нет метки времени. Это
происходит потому, что,
не зная времени создания точки данных, мы не можем
эффективно
отображать ее прогрессию; по сути, мы используем данные
вслепую. Только
с правильной меткой времени мы можем выполнить правильное
моделирование. Если мы попытаемся
использовать данные до того, как они станут доступны, у нас
будет предвзятое отношение к прогнозу,
из-за чего производительность alpha будет выглядеть потрясающе
в симуляции,
но будет нереализуема в реальной торговле. Если мы не
используем эти данные
своевременно, альфа-версия не будет работать в соответствии со
своим потенциалом. Например,
если доходы Apple превзойдут ожидания, цена ее акций, скорее
всего,
вырастет при прочих равных условиях; объявление о доходах
былоДругая возможная
бы хорошим проблема
временем для- покупки.
предвзятость к выживанию.
Однако, если бы мыДаже
если поставщик данных
подождали неделю, прежде чем предоставляет
альфа-модель,
купить Apple, мы которая хорошо
не смогли бы работает приэту
реализовать тестировании, это не
прибыль, потому
означает,
что что модель будет хорошо работать в будущем. Это
связано
хорошиесновости
тем, чтоуже мы были бы заложены в стоимость акций.
не знаем, сколько моделей
Таким образом, для каждого разработал поставщик до того, как
была
набора выбрана
данных, эта единственная
который мы хотим использовать в alpha research,
модель.
нам нужно Если поставщик
узнать о срокахперепробовал
доставки 1000 моделей и выжила
только одна
данных и позаботиться о том, чтобы получать доступ к данным
,только
мы можемтогда,столкнуться
когда они с предвзятостью к выживанию.
Предвзятость
В исторических
будут доступны,привносится
симуляциях
чтобы поставщиком
одна
убедиться, неверная
что у нас нетточка данных может
предвзятости к
и находится
отключить вне нашего
весь альфа-
прогнозированию и контроля. В этом случае может оказаться
полезным
сигнал. некоторый
В режиме
что мы получаем периодрезультаты
реального
значимые тестирования
времени очень вне выборки
опасно
моделирования.предполагать,
Нам
для
что набора
данные данных. Тестирование
также необходимо убедиться, что вне выборки полезно, потому
что
всегда
данныеверны. Если данные будут
могут поддерживать неверными, это -может
альфа–производство исказить
что данные
оно проводится
альфа-сигналы
будут не в контролируемой среде, а высокая
генерироваться
и потенциально
в будущем является
привести
в соответствии кс значительным потерям.
надежным графиком. При мы
Иногда
хорошим показателем
использовании
узнаем, что данных надежности
в альфа-форматеальфа-системы.
производитель данных перестанет генерировать данные. В этом
случае данные не
пригодны для альфа-версии, потому что нет способа получить
больше данных в режиме реального времени.
при проектировании мы всегда должны учитывать возможность

проверки работоспособности. Мы должны
выполнить некоторую базовую проверку, такую как удаление
выбросов в альфа-коде.
Эти основные меры предосторожности помогают гарантировать,
что наша альфа-версия
ИЗУЧИТЕ ДАННЫЕ ПЕРЕДбудет более надежной.
ИХ ИСПОЛЬЗОВАНИЕМ
Серьезные альфа-исследования основаны на глубоком понимании

данных. Для
некоторых простых данных может
подойти простое сжатие чисел для создания альфа-версии. Однако
для сложных данных глубокое понимание имеет
существенное значение в альфа-исследованиях. Иногда нам
необходимо приобрести
дополнительные знания. Чтобы понять сотни фундаментальных
факторов, нам
необходимо изучить некоторые концепции корпоративных
финансов.
ПРИМИТЕТолько
ЭПОХУ когда мы полностью
БОЛЬШИХ ДАННЫХ
осмыслим полученные данные, мы сможем предложить альфа-
идеи, которыевремя
В настоящее будутдоступные
более данные стремительно растут по
надежными и с большей вероятностью выживут.
разнообразию, объему
и скорости. В прошлом трейдеры, возможно, учитывали только
соотношение цены и объема и фундаментальные данные при
прогнозировании движения цен на акции
. Сегодня существует гораздо больше вариантов выбора, которые
позволяют реализовать множество интересных идей.
Камстра и др. (2002) представили эффект “SAD” (сезонного
аффективного
расстройства): доходность фондового рынка меняется сезонно в
зависимости от продолжительности
Каждый день создается огромное количество данных. Возьмем
дня. Хиршлейфер и Шамуэй (2003) обнаружили, что утреннее
рынок акций США
солнце на ведущей фондовой бирже страны может предсказать
ket: тиковые данные уровня 1 составляют около 50 гигабайт в
доходность рыночных
день, а тиковые данные уровня 2
индексов в этот день. Прейс и др. (2013) использовали данные
превышают 100 гигабайт в день. Социальные сети также
Google trend
Сегодня, данных создается быстро.
для разработки альфа-версии, котораяЛатентность
значительнодля высокой
превзошла
много
частотыданных:
трат- пользователи Twitter в среднем ежедневно
рыночную: доходность 326%
отправляют
ющих 500 миллионов твитов
противфирм могут
доходности быть
16%.измерены в одной цифрой микросекунд.
возраста.
Поставщики данных
пытаются довести скорость передачи данных до предела в
надежде привлечь
больше клиентов.
Данные и альфа-дизайн 47
Чем больше данных, тем лучше, пока мы можем с ними

справиться. Управлять быстрым ростом объема данных очень
сложно. Могут возникнуть затраты на устройства хранения
данных, вычислительные машины, настраиваемые
базы данных и так далее...........
ограничения. Тем не менее, если данные можно использовать
правильно и эффективно, мы
сможем ориентироваться на лучшие альфа-версии.
В alpha research поиск данных всегда является первоочередной

задачей. Учитывая
множество доступных типов данных, сложно найти наиболее
подходящие
данные для альфа-исследований, но когда мы добьемся успеха,
вознаграждение может
быть значительным. Один богатый информацией набор данных
может вдохновить на множество альфа-
идей и сгенерировать множество альфа-версий. Один хороший
источник данных может
существенно повлиять на производительность альфа-версии или
портфолио. Таким образом,
инвестиции в поиск данных, их очистку и обработку являются
важной частью создания alpha.
7
Оборот
Автор : Пратик Патель
Обычно мы измеряем точность и качество прогнозов альфа-

группы
с помощью таких показателей, как коэффициент информативности
(IR) и информационный коэффициент
эффективности (IC). IR - это отношение превышения доходности
над эталонным показателем к
изменчивости этих доходностей; идея, лежащая в его основе,
заключается в том, что альфа-модель с высокой
избыточной
В контексте
доходностью
оценки силы
и низкой
альфа-сигнала,
изменчивостью
очевидно, желательны
последовательно
высокий IR и предсказывает будущие доходности
за данный
высокая IC,период
но обычно
времени.
мы измеряем
IC измеряет
способность
корреляцию
альфа-сигнала
между к
прогнозируемыми возврата
прогнозированию и фактическими
независимо
значениями,
от ограничений
при которой
реального
значение
мира. Мы 1,0 представляет собой идеальную
способность к прогнозированию.
предполагаем, что ликвидность бесконечна, торговля бесплатна и
нет других участников рынка,
кроме нас самих. Однако, поскольку реальные торговые стратегии
должны соответствовать определенным ограничениям, альфа-
трейдеру, который часто делает
правильные прогнозы, будет легче использовать заемные
АЛЬФА ГОРИЗОНТ
средства, если он также удовлетворяет разумным
предположениям
Прогнозы меняютсяо рыночных условиях. новой информации.
по мере поступления
Независимо от того, сдвинулась ли
акция на один тик, аналитик пересмотрел свою рекомендацию или
компания
опубликовала прибыль, это изменение информации может стать
катализатором
торговой активности. Мы измеряем эту торговлю через оборот:
общая стоимость
проданных товаров, деленная на общую стоимость удерживаемых
товаров. Цена акций компании меняется
гораздо чаще, чем ее прибыль на акцию, из чего следует, что
альфа-акции,
редакциейоснованные на движении
Игоря Тульчинского и др. и цен (например, на изменении цен),
обычно
Виртуального будут иметь
более высокий оборот, чем альфа-акции, основанные
исключительно на фундаментальных показателях компании.
Потому что больше торговых возможностей предоставляет больше
возможностей для
50 Нахождение альф
при захвате доходности мы обычно обнаруживаем, что IR и IC, как

правило, выше для
альф движения
Более цены,
конкретно, чем для
оборот фундаментальных
Альфа альф.
связано с его прогноза-
ный горизонт, то есть промежуток времени, в будущем, для
которой
ценовое движение выполняется прогноз. Например, альфа-версия
с
горизонтом в пять дней предназначена для прогнозирования
движения цены с настоящего момента
до пяти дней спустя. Мы обнаруживаем, что чем длиннее
горизонт, тем
больше неопределенность; метеоролог может предсказать погоду
завтрашнего дня гораздо точнее, чем погоду через два месяца
сейчас, и мы можем предсказать, что мы будем делать на
следующей неделе лучше,
чем то, что мы будем делать в это время в следующем году.
Способность
Однако также ясно, что время выполнения становится
ограничениемпреимущества
по мере того, быстро меняющейся информации и
реагировать соответствующим
как горизонт становится короче.образом
Трейдеру, использующему альфа-
обычно повышает качество
версию с пятидневным прогнозирования. Аналогично, в
альфа-исследованиях мы ожидаем,
горизонтом, потребуется что альфа
открыть позицию с более
сегодня высокой
и выйти из
оборачиваемостью и более коротким горизонтом
нее через пять дней, чтобы полностью зафиксировать это
прогноза
движениебудет
цены.обладать лучшей прогностической силой, чем
Для сравнения,
альфа с более низкой оборачиваемостью и
альфа-версия с горизонтом в три месяца обеспечивает гораздо
долгосрочной перспективой.
более длительный промежуток времени
между сделками для отслеживания движения цены, что приводит
к меньшему количеству сделок
и более низкому обороту за тот же период времени. Для очень
краткосрочных
интервалов времени (например, от секунд до минут) может даже
потребоваться пересечение
спреда, чтобы занять желаемую позицию, что влечет за собой
СТОИМОСТЬ СДЕЛКИ
высокие транзакционные издержки.
Благодаря более длительному сроку выполнения альфа-версии с
У каждой сделки есть своя стоимость. Покупая акции, мы не
более длительным горизонтом позволяют лучше
только платить комис-
оптимизировать выполнение, а также увеличить объем капитала.
сией к брокеру, мы также оплатить распределения затрат. Самая
Можно вложить больше капитала в альфа-системы до того, как
высокая цена, которую покупатель
прибыль перевесит
предлагает за акцию (bid), обычно ниже самой низкой цены,
издержки воздействия на рынок.
которую готов принять продавец
(ask); это спред между ценой предложения и ценой продажи.
Чтобы получить
положительную доходность, вы должны продать то, что вы купили,
по более высокой цене, чем вы
приобрели, или, в случае короткой сделки, выкупить
. заимствованные
акции по более низкой цене, чем вы их продали.
Оборот 51
Мы ожидаем, что эти затраты будут пропорциональны

ликвидности рассматриваемого университета или рынка.
Спреды остаются узкими на ликвидных рынках
, потому что в любой момент
времени существует большой интерес со стороны покупателей и
продавцов; когда покупатель пересекает спред, чтобы повысить
цену предложения,
продавец, как правило, легко доступен, чтобы воспользоваться
благоприятным
изменением цены и снова снизить цену предложения. С другой
стороны, когда
ликвидность
1
Очевидно, низкая или интерес
что стоимость инвесторов
торговли на этихвозрастает с одной
рынках намного
стороны, цены
выше, поэтому более
легко перемещаются,
становится более важнымувеличивая
понять, волатильность и расширяя
подходят ли горизонты альфа-
спред. Лучшие
трейдинга и
500 наиболее
профиль ликвидных
оборота акций
для данного на фондовом
рынка. Можно рынке США
привести имеют
аргумент
средний спред
, что эти рынки менее эффективны (т. е. имеют более высокую
около 5 базисных
волатильность), пунктов (б.п.). Для сравнения, на небольших
оставляя
Когда мы будем начислять торговые издержки альфам, мы,
рынках, таких
большие
вероятно, увидим, что удля
возможности прибыли,
альф с и это, безусловно, верно до
как рынки
тех пор, Юго-Восточной Азии, средние спреды могут достигать
пока
более длинным горизонтом общие торговые издержки ниже, чем у
25-30
доходность альфы оправдывает стоимость ее торговли.
альф с более коротким
б.п.
горизонтом. Более того, вполне возможно, что нижняя граница
торгового стоимость
больше-горизонт-Альфа также может улучшить общую
производительность срав-
нению
Чтобы с более коротким горизонтом
проиллюстрировать Альфа,
этот эффект хотя обратное
в контексте может
построения
быть
альфа-модели, рассмотрим
правдой, прежде чемальфа-модели,
две гипотетические издержки. Картина
которыеможет выглядеть
используют совсем
данные о
по-другому, как только будут наложены
ценах и объемах для прогнозирования цен реальные
ограничения,
на следующийпоэтому
день. Обеполезно
альфы помнить
работаютобна
этом во время
одном и том же
процесса
наборе исследования.
инструментов,
и давайте предположим, что обе альфы имеют одинаковый возврат
и IR. 1 std(возвращает)
Первый инвестирует в инструменты,
том ( ) основываясь на их недавней
2 журнала
волатильности, в то время как
второй инвестирует,
Мы видим, основываясь
что первая на ихинвестирует
альфа-версия текущем объеме рынка.
в более
волатильные инструменты,
но поскольку акции с высокой волатильностью, как правило,
имеют меньший объем и более широкий охват
1
Это оценки, основанные на результатах нашего моделирования
WebSim. Только для справки.
52 Нахождение альфа-
спредов
в стратегии трудно распределить большой объем

капитала, учитывая сложность превращения этих доходов в
реальную прибыль.
Вторая альфа-компания, тем временем, инвестирует в более
ликвидные инструменты с большой капитализацией
и, вероятно, будет работать лучше при соблюдении более
реалистичных
торговых предположений. Если мы также предположим, что
данные об объемах более стабильны
с течением
ЭФФЕКТ времени относительно волатильности, мы могли бы
ПЕРЕСЕЧЕНИЯ
ожидать, что оборот для второй
альфа-версии
Итак, должныбудет
ли мыниже, что еще
смотреть больше
только повысит ее после
на эффективность
привлекательность.
затрат при оценке
alpha? Зачем вообще утруждать себя оценкой альфа-показателей
до определения стоимости? Просто начислите
торговые издержки на все альфа-показатели, и проблема решена,
верно? К сожалению, это не так просто.
Как правило, отдельная альфа-версия слишком слаба
и вряд ли сама по себе будет хорошо работать в качестве
стратегии; чтобы построить потенциально
прибыльную торговую стратегию, портфельному менеджеру
обычно необходимо
объединить несколько альфа-версий. Объединение множества
различных альфа-показателей приводит к
более надежному и обоснованному прогнозированию, которое с
Когда альфы объединяются в единую стратегию,
большей вероятностью позволит преодолеть
противоположные сделки альф “пересекаются”."
транзакционные издержки и другие торговые ограничения.
Рассмотрим альфа-компанию, которая хочет купить 200 акций
Разнообразный альфа-пул
IBM и объединяется с другой, которая придерживается
требует разнообразных идей, методов и данных, в результате чего
противоположной точки зрения и
получаются альфа-компании с
предлагает продать 300 акций IBM. Предполагая, что обе альфа-
широким спектром профилей текучести кадров. Иными словами: в
версии имеют равные
альфа-обороте существует дивергенция.
веса, равные 1, результирующая объединенная альфа-версия
Альфы с разными горизонтами, вероятно, принимают
продаст 100 акций IBM.
во внимание разные типы информации, и это может привести к
Двести акций IBM
Принизким
наличии “пересекаются”,
адекватного и никаких
пересечения транзакционных
между наборами альф
более
издержек
оборот и
корреляциям.
не возникает;
общие сделка
торговые никогда
издержки не выходит на комбинированной
результирующей рынок и,
следовательно, является
альфы могут быть ниже, чем
бесплатной. Затраты
оборот и торговые понесены
издержки только наальф.
отдельных 100 акций, которыми
Таким образом,
будет
мы торговать объединенная
по-прежнему альфа-компания
можем использовать альфы с более высоким
.оборотом для повышения эффективности прогнозирования,
сохраняя при этом торговые издержки под контролем. Хотя
взимание
торговых издержек с отдельных альф и наблюдение за тем, как
эти альфы
Оборот 53
выполнение было бы жизнеспособным тестом, и введение этого

строгого требования было бы
чрезмерно ограничительным. С учетом того, что оборот отдельных
альфа-систем по-прежнему должен
контролироваться, их остаточные затраты
менее значимы, если их вклад в совокупную альфа-эффективность
будет значительно выше из-за этого эффекта пересечения.
КОНТРОЛЬ ОБОРОТА
Информация меняется постоянно, но (1) не все типы информации

меняются с одинаковой скоростью и (2) не вся информация
особенно полезна
. Для иллюстрации давайте предположим, что наш альфа-сигнал -
это просто
данные
базовые данные без специальных преобразований, т.е.
Данные - это прогноз, и ясно, что частота передачи данных

определяет
текучесть альфы: чем больше меняются данные, тем выше
текучесть.
В крайнем случае, предположим, что наши данные
представляют собой дневную цену каждой акции. Мы
будем покупать, если цена ранее росла, и мы будем продавать,
если она ранее
снижалась. Цены меняются почти по каждой совершенной сделке,
поэтому мы можем
ожидать, что у нашей альфа-компании будет очень высокий
оборот.
Между Нотем,
мы ежеквартальные
понимаем, что объявления компаний появляются
большинство сделок на рынке несущественны, и мы, скорее всего,
всего
будем торговать
несколько намного
раз в год, больше, чем хотелось
и альфа-компания, делающаябы.свои
В результате,
прогнозы,
очень вероятно,
основанные что наш
альфа в среднемна
исключительно потеряет деньги.
этих данных, естественно, будет иметь мало
торговых возможностей и
низкий оборот. Но эти данные по своей сути скудны. Если мы не
будем обращать
никакого внимания на этот факт, график ежедневного оборота
альфа-валюты
может показать всплески торговой активности вокруг этих
квартальных событий.
Это говорит о том, что альфа-игрок может входить в позицию
очень
быстро и потенциально выходить из нее слишком рано. Мы
понимаем, что
такая альфа-версия имеет более длительный горизонт, поэтому
такие всплески торговли могут быть
неоптимальными. Таким образом, даже альфа-системы с
естественным низким оборотом могут иметь
возможности для улучшения за счет сглаживания данных и
распространения
торговли на более длительный период. В области обработки
54
сигналов и аналогичных областях написаны целые Поиск Альф
книги,
посвященные различным методам обработки
и преобразования данных...........
Во-первых, полезно определить, являются ли значимыми очень
Для наших
большие целей должно
значения в данных быть достаточно нескольких простых
подходов
или высокого
это просто уровня.
аномалии (т. Е. выбросы). Если тесты показывают
, что они действительно являются выбросами, один из способов
уменьшить их - просто сжать
данные, уменьшив большие точки данных до предопределенных
минимальных и сжать( данные_ , минимальное
значение
, максимальное
_ значение
)
максимальных значений, например,
Границы могут быть выбраны различными способами, такими
как некоторый процент
распределения данных или некоторое количество стандартных
отклонений.
Подход и связанные с ним параметры будут зависеть от характера
данных и могут
С другой быть это
стороны, оценены
могутсбытьпомощью обратного
мельчайшие тестирования,
изменения в
соблюдая
данных, осторожность, чтобы попробовать только
которые
несколько
приводят кразумных
ненужнойподходов
торговле. и Здесь
избежать переоснащения.
предполагается, что эти
небольшие
движения - просто шум, который нам нужно удалить из наших
данных. Предположим,
что тесты показывают, что небольшие изменения в данных
совершенно
не нужны и желаемый курс действий - вообще не торговать, если
изменение не является дельта-данные
значительным.
t 1
– данныеОдним из простых
подходов могло бы быть требование, чтобы
humped_delta порог ( дельты
, горба
)
изменение превышало пороговое значение (или “горб”) и в
противном случае сохраняло
данныеизогнутая
t 1
_ дельта
предыдущее значение.
Здесь горбатая дельта равна 0, если abs (дельта) меньше, чем
пороговое
значение. Это в конечном итоге устраняет все изменения в
данных, меньшие, чем
предусмотренный порог, что должно обеспечить значительное
снижение
текучести кадров для нашей альфа-версии. Однако подход с
горбом приводит к более
концентрированному торговому профилю; альфа-значения будут
оставаться неизменными
в течение определенного периода времени, пока не будет
преодолен порог, после* данные
чегоt произойдет
1 * t1
крупное торговое событие. В этом нет ничего плохого, если
это желаемый эффект. В других случаях сделки могут быть
сглажены
(уменьшены), а не остановлены полностью, используя
экспоненциальную
скользящую среднюю
Оборот 55
или простое или взвешенное скользящее среднее
* сведения
Т 1
* сведения
Т 1 Н
* сведения
тн
Эти подходы могут обеспечить аналогичное сокращение

оборота, но с
более плавным профилем торговли. При замедлении сигналов
таким образом,
решение о том, какой метод и параметры использовать, будет
зависеть от данных и
горизонта альфа-сигнала. При тщательном экспериментировании
и обратном тестировании мы можем
выбрать оптимальную точку, в которой выбросы и шум
уменьшены, сигнал сглажен, оборот снижен, а
производительность повышена.
В
конечном итогеОднако слишком сильное уменьшение оборота (т.
ПРИМЕРЫ
е. за пределами альфа-диапазона)
приведет к снижению производительности, поскольку сигнал
Чтобы проиллюстрировать влияние оборота на затраты,
будет замедлен сверх
рассмотрим хорошо известную
точки, необходимой для получения возврата. Более быстрые
пятидневную реверсивную альфа-модель, которая предполагает,
сигналы с
что все цены в конечном итоге вернутся
более короткими горизонтами могут переносить меньшее
к средней цене. Простая реализация такой альфы заключается в
затухание, чем сигналы с более длинными горизонтами,
продаже α = −1* (закрыть )
– закрыть
поэтому важно оптимизировать t компромисс
t −5 между доходностью и
акций, цены на которые выросли за последние пять дней, и
оборотом.
наоборот:
На рисунке показаны две версии альфа-версии 7.1. Первый
проводится
по 3000 наиболее ликвидным акциям на американском рынке,
нейтрализованным
промышленностью. Второй проводится только по 1000 наиболее
ликвидным
Когда мы акциям.
оцениваем альфа-доходность до затрат, мы обычно
На графике
видим, показана
что более производительность до и после затрат (т.е.
широкая
начислениеулучшит коэффициент информативности; в более
вселенная
половины стоимости спреда за каждую сделку в бэктесте).
широкой вселенной
можно сделать больше “ставок”, что помогает диверсифицировать
портфель и
снизить потенциальный риск. Однако мы можем видеть, что
выглядит совершенно иначе, когда мы рассматриваем
дополнительную стоимость сделок.
Эффект этой стоимости гораздо больше для более широкой и
менее ликвидной вселенной.
Сравнивая маржу ($ pnl / $ traded) в таблице статистики под
графиком, мы видим снижение маржи после покрытия затрат
примерно на 4 б.п.
млн левов
для версии top 1000. Потому что в топовой версии за 3000
долларов есть акции
56 Поиск альфа-версий
6.0e+08
Top3000
Top3000Cost
4.0e+08 Top1000
Top1000Cost
2.0e+08
0.0e+00
-2,0e+08
-4,0e+08
-6,0e+08
-8.0e+08
-1.0e+09
-1.2e+09
1 1
/01 /01 /01 5/0 /01
10/01 14 16/01 17 18/01
20 2011 2012 2013/0 20 201 20 20 20
Топ3000
дата длинный короткий pnl возврат tvr шарп[ ик] объем дд 3,92 млн. левов
20090102-20180413 500.36 -499,64 576.24 12,33% 63,01% 1.26[ 0,08] 9,82% -13,50%
Стоимость top3000
дата длинный короткий pnl ret tvr шарп[ ir] объем дд mgn
20090102-20180413 500.36 -499,64 -1061.69 -22,69% 63,01% –2.33[ –0.15] 9,74% -212,02% -7,22
Топ1000
дата длинный короткий pnl возврат tvr шарп[ ir] объем дд
20090102-20180413 500.01 -499,99 512.45 10,97% 62,98% 1.02[ 0.06] 10,73% -13,19% 3,48
топ1000 по стоимости
дата длинный короткий pnl ret tvr шарп[ ir] объем дд mgn
20090102-20180413 500.01 -499,99 –82.38 -1,75% 62,98% -0,16[ –0.01] 10,69% -37,68% -0,56
Рисунок 7.1 Пример пятидневного альфа-тестирования возврата для

3000 наиболее
ликвидных акций на рынке США, нейтрализованных
промышленностью, и для 1000 крупнейших
наиболее ликвидных акций
которые менее ликвидны и, следовательно, имеют более высокую

стоимость, мы видим гораздо
больший износ почти на 10 бит / с, даже несмотря на то, что обе
версии имеют
примерно одинаковый
Ежедневный оборот.
оборот этой Из этого
альфы следует,
составляет что ликвидность
примерно 63%.
Давайте
альфы играет
посмотрим, как изменяются
значительную роль в определении
альфа-характеристики, когда мы пытаемся
стоимости
контролировать
оборота. оборот
сигнала с помощью метода линейного затухания за последние 20
α =β * данные
периодов времени: t
+β1 * данные
t −1
+ βn * данные
+... t−
n
Цифра 7.2 показаны показатели до и после затрат на

устаревшую версию альфа-версии. Как и ожидалось, оборот
значительно вырос
Оборот 57
6.0e+08
Top3000
Top3000Cost
4.0e+08 Top3000Decay
Top3000DecayCost
2.0e+08
0.0e+00
-2.0e+08
-4,0e+08
-6,0e+08
-8,0e+08
-1.0e+09
-1.2e+09
1 01 1 1 1 1
16/01
2010/01 2011/01 2012/0 2013/ 2014/0 2015/0 20 2017/0 2018/0
Топ3000
дата длинный короткий pnl ret tvr шарп[ ir] объем dd mgn
20090102-20180413 500.36 -499,64 576.24 12,33% 63,01% 1.26[ 0.08] 9,82% -13,50% 3,92
Стоимость выше 3000

дата длинный короткий pnl возврат tvr шарп[ ir] объем дд mgn
20090102-20180413 500.36 -499,64 –1061.69 -22,69% 63,01% –2.33[ –0.15] 9,74% -212,02% -7,22
Топ3000дешево
дата длинный короткий фнл ret tvr шарп[ ir] объем dd mgn
20090102-20180413 500.14 -499,86 396,93 8,50% 18,84% 0.86[ 0.05] 9,83% -14,33% 9.02
Стоимость top3000decay
дата длинный короткий pnl ret tvr шарп[ ir] объем dd mgn
20090102-20180413 500.14 -499,86 -105,42 -2,22% 18,84% –0.23[ –0.01] 9,81% -33,04% -2.40
Рис. 7.2 В до - и после-стоимость выступлений пятидневной Ревер-

Сион Альфа заглохло версия
снижен (с 63% до 19%) за счет некоторой производительности

до вычета затрат; IR и отдача ниже, чем в оригинальной версии.
Что еще более важно, снижение существенно увеличивает маржу
(с 3,9
б.п. до не
Тем 9,02 б.п.), важно
менее, что значительно улучшает
отметить, что, показатели
хотя top с учетом
1,000 after-cost
последующих
alpha затрат.
превосходит top 3,000, а версия top 3,000 сама по себе не
является
особенно эффективной по after-cost, даже после снижения
оборота,
это не означает, что top 3,000 alpha менее полезна. Как
упоминалось
ранее, отдельный альфа-игрок обычно недостаточно силен, чтобы
хорошо работать
после понесенных затрат самостоятельно. Ключевым фактором в
построении стратегии является
эффект пересечения между альфами при их объединении.
Вселенная с
большим количеством инструментов, естественно, будет иметь
более высокую вероятность пересечения, и
4.0e+08
День заработка
3.5e+08
3.0e+08
2.5e+08
2.0e+08
1.5e+08
1.0e+08
5.0e+07
0.0e+00
/01 /01 1
16/01 17 18/0
2010/01 2011/01 2012/01 2013/01 2014/01 2015 20 20 20
дата длинный короткий pnl доход tvr шарп[ ir] объем dd

20090601-20180403 498,99 -499,21 359,68 8,08% 35,27% 1.59[ 0.10] 5,10% -7,28% 4,59 лвл
Рисунок 7.3 Результаты альфа-тестирования в топ-3000 самых

ликвидных компаний
Акции США, нейтрализованные промышленностью
точно так же, как производительность более крупных юниверсов

до вычета затрат обычно превышает
Частота пересечения более мелких,
также то же
зависит от самое верно
профиля на уровне
оборота
стратегии
альф. и портфеля. с более редкими торговыми профилями в
Альфа-трейдеры
среднем будут иметь меньше возможностей для перекрестного
обмена, чем те, у кого более однородная торговля.
Например, пятидневная альфа-версия reversion, как правило,
будет торговать на одинаковую
сумму каждый день, пока волатильность рынка остается
постоянной. Между тем, альфа–платформа с
динамикой доходов, скорее всего, будет демонстрировать
циклическую
текучесть кадров
1 если 0 < сdays_until_earnings_announcement
резкими всплесками активности
N еще<в
0 наиболее
распространенные периоды
объявления
Результаты о доходах. Рассмотрим 3000
альфа-тестирования следующую альфа-версию,
самых ликвидных акций
которая открывает
в США, нейтрализованных промышленностью, показаны на
длинные7.3.
рисунке позиции по акциям за N дней до объявления прибыли:
Средний
оборот в 35% значительно ниже 63% оборота нашей reversion
alpha.
Оборот 59
160.0%
Зарабатывайсмом
5 дней
140.0%
120.0%
100.0%
80.0%
60.0%
40.0%
20.0%
0.0%
2010/01 2011/01 2012/01 2013/01 2014/01 2015/01 2016/01 2017/01 2018/01
Рисунок 7.4 Ежедневный оборот двух alpha-акций, входящих в

топ-3000 самых ликвидных акций США
Однако показатель 7.4, показывающий ежедневный оборот alpha,

иллюстрирует, что,
хотя оборот earnings–momentum alpha в среднем ниже, в
возрасте он имеет
Визуализация гораздоликвидности,
и анализ более высокие всплески
оборота оборота
и торговых
несколько раз в год.
моделей
alpha может дать полезную информацию. В этом примере было бы
целесообразно
изучить, приносят ли сделки в дни с меньшим оборотом
какую-либо значимую ценность или их следует отфильтровать, или
же всплески
можно сгладить, постепенно открывая позицию в течение
дней, а не совершая резких (бинарных) сделок. Понимание
устройства char-
НАСТРОЙКА
характеристики ОБОРОТА
и торговли, поведения Альфа-можете раскрыть
больше возможностей,
Методы
связей в сглаживания, такие как линейное
целях совершенствования затухание, могут
ее предсказательная сила, а
фактически улучшить
также полезные отзывы о том, как
производительность разреженных
Альфа может быть использован сигналов впри
в стратегии очень небольшом
реальных
количестве
ограничений.торговых событий. Также может помочь оптимизация
Wins-
(ограничение экстремальных значений) или удаление самих
данных
для снижения текучести кадров в случаях, когда чрезмерная

чувствительность к изменениям
в информации приводит к ненужным изменениям позиции.
Полезность
любого отдельного метода в конечном счете будет зависеть от
альфы. Независимо от
результата, понимание того, как альфа ведет себя при различных
оборотах
Чтобы понять надежность и торгуемость альфа-идеи,
,важно
дает нам представление
протестировать о ее
ее на конкурентоспособности.
множестве инструментов иАльфа-
понять
компания, которая
ликвидность каждогосохраняет большую часть
рынка. Заданный уровень оборота может
своей доходности, как правило, легче использует заемные
быть
средства,
приемлемым чемвта, котораяликвидных
наиболее теряет всюуниверсумах, но становится
доходность после небольшого
недоступным для торговли, когда сокращения оборота.
распространяется на менее ликвидные инструменты; уровень,
который работает в одной
стране, может не работать на менее развитом рынке. Например,
alpha, которая торгует 500 самыми ликвидными акциями США с
оборотом X%
, может быть вполне приемлемой, но для аналогичной alpha для
более крупной
Хороший компании
уровень оборота - это тот, который максимизирует
с менее ликвидными
соотношение между инструментами (например, 3000 самых
ликвидных
прибылью или акций в оборотом. Что еще более важно, тестирование
IR и
США) или alpha, торгующей на развивающемся
и анализ эффективности альфа-банка рынке,
при различных было бы
наборах
разумно
ликвидности и
оценивать эффективность
при различных при более
уровнях оборота низких
могут оборотах,
обеспечить учитывая
понимание и
стоимость
уверенность в
торговли.
надежности и торгуемости этой альфа-компании. В конце концов,
все относительно.
8
Альфа-корреляция
Автор : Чин Данг и Криспин Буи
Альф оцениваются различные показатели, такие, как информа-

ции соотношения, возвращение, просадки, оборота и маржи. Эти
показатели
получены в основном из прибыли и убытков альфа-банка (PnL).
Например,
коэффициент информативности - это просто средняя доходность,
деленная на стандартное
отклонение доходности. Другим ключевым качеством альфы
является ее уникальность,
которая оценивается
Если количество коэффициентом
альфа-символов корреляции
в пуле между
невелико, данной
то важность
альфой
корреляции невелика.
и другими
Однако по существующими
мере увеличенияальфами. Альфа с болееразличные
числа альфа-индексов низким
коэффициентом корреляции
методы измерения коэффициента корреляции между ними
обычно считается добавляющей больше ценности в пул
становятся
существующих
более важными, помогая инвестору диверсифицировать свой
альф.
портфель.
Портфельные менеджеры захотят включить в свои портфели
относительно некоррелированные альфа-активы
, поскольку диверсифицированный портфель помогает снизить
риск.
Хороший показатель корреляции должен определять
уникальность одного альфа-сигнала
по отношению к другим альфа-сигналам в пуле (меньшее значение
указывает на хорошую
КОРРЕЛЯЦИЯ альфа-PnL
уникальность). Кроме того, хорошая мера корреляции обладает
способностью
Даны два альфа-PnL вектора (мы используем жирные буквы для
предсказывать
векторов): тенденцию движения двух альфа-векторов PnL
(векторов временных рядов
Пя = [Пi1 , ,..., Пв ] ∈
T n
). Корреляция между альфа-значениями

i2
может быть вычислена
(1) на
T
основе альфа- Пj =  Пj 1 , ,...,
 j2 Пин ∈ n
корреляции PnL или альфа-корреляции значений.

62 Нахождение букв
и P jtобозначьте PNL -го

где P это i и j -гобуквами на t-йдень, n -
количество дней, использованных для измерения корреляции, а T
обозначает перенос матрицы в
положение. Примечание: в тестах обычно количество дней для
корреляции выбирается как два
или четыре годакорреляции
Коэффициент вместо полной истории, чтобы сэкономить
Пирсона
вычислительные
Коэффициент ресурсы. Пирсона, также известный как
корреляции
коэффициент корреляции продукта Пирсона с
моментом, не имеет единиц измерения и может принимать
1 к 1. Математическая формула была впервые разработана
значения из
Карлом Пирсом-
соном в 1895 году:
cov Pi ,P j
r (2)
Pi Pj
где cov Pi ,P j E Pi Pi Pj Pj
является ковариацией
P
и i
и iи P соответственно.
P являются стандартными отклонениями
j j P Для двух
векторов PNL коэффициент вычисляется с использованием
выборочной ковариации
и дисперсий. В частности,
Н
Т 1
Пэто Пя П П
ДжейТиДж
Р . (3)
Н 2 Н 2
Т1
Пэто Пя Т 1
ПДжейТи
ПДж
Коэффициент инвариантен к линейным преобразованиям любой

переменной
способности. Если знак коэффициента корреляции
i положительна
положительный, (отрицательна),
это означает, что также имеет тенденцию
j отдача от P
быть
PNL двух альф имеют тенденцию двигаться в одном направлении.
положительным
Когда (отрицательным). И наоборот, отрицательный
коэффициент корреляции
отдача от P
показывает, что PNL двух альф имеют тенденцию двигаться в
противоположных направлениях
. Нулевая корреляция
Альфа-компании подразумевает,
стремятся что между
делать прогнозы относительно
двумя векторами
будущих движений PnL нет никакой
различных связи. Наинструментов.
финансовых рисунке 8.1 показано
изменение
В результатемаксимальной корреляции
анализ необходимо расширить
в зависимости
на от торговых
временной ряд, которыйсигналов
включаетс виспользованием данных за
себя последовательность
два года. величин с
случайных
временным индексом. В случае альфа−PnL-вектора наблюдением
является
прибыль (+) или убыток (-) альфа-вектора за один день. Ниже мы
кратко рассмотрим
точечный продукт, затем обсудим корреляцию, основанную на
времени.
Альфа-корреляция 63
0.25
0.2
0.15
0.1
0.05
MaxCorr
Максимальная корреляция
0
10 100
1,000 10,000 100,000
1,000,00010,000,000
Количество торговых сигналов
Рисунок 8.1 Изменение максимальной корреляции в

зависимости от торговых сигналов
Временная корреляция
Точечное (внутреннее) произведение определяется как сумма
произведений соответствующих
элементов, отвечающих двум последовательностям чисел.
Pi .Pj Pi P i потому что (4)
где P - модуль, или величина, вектора PnL и угол

между двумя векторами. Одним из важных применений
скалярного произведения является
нахождение угла между двумя векторами, поскольку угол может
n
быть найден через P .P PP
i j t 1 этоjt
cos . (5)
Pi P я n
P
2 n
P
2
t 1 это t 1 jt
Когда угол равен нулю, два PnL-вектора попадают на одну и ту

же и cos
линию 1. Когда угол составляет, векторы являются
ортогональными и cos0. 2
Корреляция, основанная на времени, рассматривает вектор PnL
каждого альфа-сигнала
как последовательность временных рядов и присваивает вес
значениям в каждый день.
n
Таким образом, корреляция между w P Pjt двумя векторами PnL
t 1 это
r
определяется как: . (6)
n 2 n
wt P это wt P jt2
t 1 t 1
Тульчинский571216_c08.индекс 63 07/8/2019
7.08.2019
7:52:39
вечера
Естественно, более высокие веса присваиваются последним t wt 1,
t
t значениям
1,..., ). PnL (ww
n Например, t
1 , что обратно пропорционально
n
временному индексу t. Формула преобразует входные пары i
, )j
векторов
в (P P
масштабированные по времени векторы, а затем вычисляет угол
между двумя
масштабированными векторами:
T
P'i =  ш1 Пя1, ш2 Пя2 , … , шn вП  ∈
n
T (7)
P' j =  w1 Pj 1 ,  ∈ n
w2 Pj 2 , … , wn Pджн
 .
В результате корреляция, основанная на времени, по-прежнему

сохраняет многие
желательные аспекты традиционного точечного произведения,
такие как коммутативные,
Коэффициент корреляции Пирсона может быть вычислен здесь
распределительные
для двух и билинейные свойства.
масштабированных векторов в уравнении 7. Мы можем видеть,
что центрированные переменные
имеют нулевую корреляцию или некоррелированы в смысле
коэффициента корреляции Пирсона (т. е. среднее значение
каждого вектора вычитается из
элементов этого вектора), в то время как ортогональность
является свойством
исходных переменных. Нулевая корреляция подразумевает, что
два вектора унижения
ортогональны. Процесс унижения часто изменяет угол каждого
вектора и угол между
Преобразование двумяс векторами.
данных обобщеннойСледовательно,
корреляцией два
вектора могут
может быть важным инструментом для надлежащего анализа
быть некоррелированными, но не ортогональными, и наоборот.
данных.
Для получения
Существует два дополнительной информации
вида преобразований: линейные и нелинейные.
о линейных
Линейное независимых, ортогональных и некоррелированных
переменных
преобразование (такое как умножение или добавление константы)
см. Joseph Rodgers et al. (1984).
сохраняет
линейные взаимосвязи между переменными, поэтому оно не
Две приведенные
изменяет выше формулы корреляции вычисляют
корреляционную
с коэффициенты корреляции
использованием ежедневных значений PnL. Обобщенная
связь
kn
между переменными. Ниже мы рассмотрим нелинейные
M
корреляция
, затем
преобразования создает матрицу
преобразует два PnL-вектора в другое евклидово
пространство:
, которые обычно изменяют корреляцию между двумя
×
переменными. Qi = Mk n Pя ∈ k
(8)
Q j = M Pj ∈ .
k× k
Регулярная корреляция теперь вычисляется в преобразованной

kn
области,
с некоторыми дополнительными функциями, добавленными .
kn nn
Если M I является
преобразованной матрицей M матрицей, мы получаем
единичной
регулярную корреляционную
схему. Здесь мы рассмотрим некоторые другие особенно полезные
преобразования
Еженедельная корреляция PnL вычисляется для еженедельных,
образований.
а не ежедневных n
Векторы PnL. В этом случае,
и матрица
k преобразования становится
5
kn
M mi,j n
5
n (9)
1 n
где m i ,i 15
* t
i 1, и t 1, 5 и все остальные элементы
5 5
равны нулю. Недельная корреляция обычно выше дневных
значений, но
это другой способ понять альфа-значения. Ежемесячная
Корреляция, PnLоснованная на времени, является другой формой
вычисляетсякорреляции,
обобщенной с использованием аналогичного
соответствующей подхода.
квадратно-
диагональной матрице преобразования:
........ . . .:
kn
.. .... . . . . .: M mi,j n n (10)
mi,j wi если
i j
где . При этом преобразовании входной PnL
mi ,j 0 впротивномслучае
векторы преобразуются в масштабированные по времени векторы,
как в уравнении
Знаковая 7.
корреляция PnL - это другая форма векторной
корреляции PnL, в
которой корреляция вычисляется по знакам значений PnL вместо
самих значений. Матрица преобразования теперь является
диагональной матрицей, зависящей от данных, и значения ее
i , ) j преобразуются в следующий вид:
элементов зависят от входных PnL-векторов. В
результате =  sgn(Pпары
Q'явходные ) ( )P
(P ( ) Т ∈ н
я1 , sgn Pя2 , ... , sgn в 
(11)
()() ()
Т
Q'j = sgn Pj 1 , sgn Pj 2 , ... , sgn Pjn  ∈ н
где sgn x является функцией sign (или signum) и принимает

значения
1, 0
, 1 , соответствующие (положительным, нулевым,
отрицательным) значениям x.
КОРРЕЛЯЦИЯ ЗНАЧЕНИЙ АЛЬФА
-го
Обозначим вектор положения альфа
день
на за
t днем
T
αя(t ) =  αя1(t ), αя2 (t ), ... , αим(t )  ∈ м
(12)
t
где m - количество приборов, k m равно (или ik
пропорционально
m t -й
относительно) суммы денег, вложенной
инструмент,
вk и k 1 ik
равна (или пропорциональна) общей сумме денег, вложенных в
порт-
фолио. Иногда полезно рассматривать векторы альфа-позиции так
же
, как и векторы PnL. В частности, портфельные менеджеры часто
рассматривают
два показателяпозиций
Корреляция корреляции, между основанные
двумя альфамина позициях: корреляцию
за период в d дней
позиций
вычисляется путем формирования следующих двух векторов:
и торговую корреляцию.
T
αя = αя(1), я(2) , … , αя(d)  ∈ (m*d )
T (13)
α j =  α j (1), α j (2) , … , α j (d)  ∈ (m*d )
.
Торговая корреляция между двумя альфами за период в d дней

вычисляется путем формирования двух векторов разности:
T
α я = αя(1) − я
(2) (2)
, αя −α я(3) , … , αя(d) −αТ(d)+1  ∈

(m*d )
d α........................
α j = α j (1) −α j (2) , α j (2) −α j (3) , … , αя(d) −α j (d)+1  ∈ (m*d )
. (14)
 
Обычно этого достаточно, чтобы занять d 20 дней, поэтому

альфа-вектор имеет
размерность 20 * количество инструментов во вселенной. Если две
альфы
занимают позиции в разных универсумах инструментов, для
вычислений используется пересечение
этих двух юниверсов.
КОРРЕЛЯЦИЯ С АЛЬФА-ПУЛОМ
Вышеуказанные методы корреляции используются для проверки

между двумя отдельными альфа-индексами. Естественно,
учитывая пул альфа-значений,
максимальная корреляция использовалась в качестве показателя
добавленной стоимости
Таблица 8.1 Гистограмма корреляции

Ячейки количество унт (%)количество в кол-ве
0,9 c9 0
0,8 c8 0
0.7 c7 0
0.6 c6 0
0,5 c5 0
0.4 c4 167
0,3 c3 5,102
0,2 c2 70 294
0,1 c1 283,436
0 c0 438,720
-0.1 c_1 286 478
−0.2 c_2 36,889
−0.3 c_3 1,293
−0.4 c_4 59
−0.5 c_5 0
-0.6 c_6 0
-0.7 c_7 0
-0.8 c_8 0
-0,9 c_9 0
-1 c_10 0
заданная альфа. По мере увеличения числа альфа-символов

средняя корреляция
становится более важной,
T-corrопределяется чем единичная
как сумма корреляциймаксимальная
данной альфы
корреляция.
со всеми другими альфами. Средняя корреляция и T-corr
обеспечивают дополнительные
мощные показатели альфа-добавленной стоимости наряду с
максимальной
Распределение плотности корреляции более важно, чем
корреляцией.
отдельное максимальное значение
или даже среднее значение корреляции. В таблице 8.1
приведена выборочная гистограмма плотности корреляции (20
ячеек размером 0,1).
В дополнение к
максимальной
9 j корреляции и средней корреляции из гистограммы
можно
j
c * (cj взято
10 jизвлечь
из таблицы
множество 8.1). Оценка
признаков. варьируется
Например, , , от 1 до 1
10
масштабируемый
которая увеличивается, если количество альфа-символов с может
средний балл одной альфа-версии в пуле
быть определен корреляцией
положительной как
увеличивается или количество альфа-символов с отрицательной
корреляцией уменьшается.
Мы рассмотрели несколько различных подходов к оценке

корреляций между PNL и позициями альфа-символов и пулов
альфа-символов.
Мы рассмотрели несколько различных подходов к оценке
корреляций между PNL и позициями альфа-символов и пулов
альфа-символов.
Конечно, существуют более статистические и менее
алгебраические подходы к
оценке корреляции, такие как ранговая корреляция Спирмена и
ранговая корреляция Кена-
Далла.
ОднаВразумная
рамках этой
идеяглавы
частомы рассмотрели
может быть использована для
только некоторые из наиболее распространенных
разработки множества альфа-версий, методов оценки
альфа-корреляции
в зависимости от различных методов и наборов данных. Поскольку
.они
Корреляция PnL может быть оценена за более длительный
разработаны
период времени
с использованием единой идеи, эти альфы, как правило, сильно
(2-4 года или дольше)
коррелируют по сравнению с корреляцией альфа-
между собой.
значений (которая
Иногда бывают случаи, когда выгодно объединить
требует
некоторыекороткого, недавнего
или все эти периода времени) альфы
высококоррелированные из-за вместо
того, чтобы выбирать только
ограничений
вычислительных
одну альфу и удалять
ресурсов.
все остальные. Два Альфы могут сильно кор-
обзоры исторических показателей, но будущее остается
неопределенным, и не
всегда ясно, какая из них может добавить большую ценность в
будущем. Следовательно,
с точки зрения распределения ресурсов для двух альф с высокой
корреляцией (например,
Конечная цель Aи
альфа-корреляции - найти истинное значение
B), можно разделить
добавления ресурсы
одной новой (неучитывая
альфы, обязательно
пул поровну) между A и
существующих
B
альф, что становится
вместо выделения
все более важным по всех ресурсов
мере длячисло
того, как однойальф
альфы. Однакальфа-
растет небу.
версия
Использование множественных корреляционных подходов
не может к
приводит полностью описать все аспекты одной идеи, но каждая
лучшему пониманию
альфа-версия представляет
альфа-сигналов в недавней истории, а также за более длительный
эту идею по-своему;
прошедший период. следовательно, одновременное использование
всех этих альфа-версий
Альфа-версия, основаннаяможет
на совершенно новой торговой идее,
датьправило,
как более полное представление об идее и сделать общую
уникальна
стратегию
и добавляет наибольшую ценность альфа-пулу.
более надежной.
9
Обратное тестирование –
сигнал или
переоснащение?
Автор: Чжуанси Фанг и Пэн Янь
ВВЕДЕНИЕ
За последнее десятилетие довольно много квантовых фондов

добились огромного
успеха на финансовых рынках благодаря своим альфа-портфелям.
Но означает ли
это, что альфа может эффективно прогнозировать цены акций?
Более конкретно, могут ли quants предсказать цену данной акции
на определенную дату в
будущем?
К сожалению, мы, вероятно, не можем делать однозначные
прогнозы
с какой-либо разумной уверенностью. Природа статистического
арбитража такова,
что прогнозирование возможно
СТАТИСТИЧЕСКИЙ АРБИТРАЖ только в “статистическом”
смысле: только при большом
количестве прогнозов случайные ошибки усредняются до
Ключевое предположение, лежащее в основе статистического
приемлемого уровня
арбитража, заключается в том, что цены
точности в совокупности. Что еще более интересно, существует
финансовых инструментов определяются последовательными
множество способов
правилами, которые могут быть
составления таких статистических прогнозов цен.
обнаружены на основе их исторического поведения и применены
к будущему.
На цены финансовых инструментов влияют множество факторов,
включая торговые микроструктуры, фундаментальную оценку и
психологию инвестора
. Следовательно,
Реальное правило, следует ожидать, что
определяющее различные
цену, и хорошая виды ценовых
альфа-
правил вождения
версия, основаннаямогут набыть
этом обнаружены
правиле,
при применении должно казаться прогностическим и и использованы для
создания альфа-версий.
статистически значимым Поскольку цены
ценных бумаг определяются множеством правил или факторов, не
каждое
Поиск альф: правило
редакциейбудет применяться
Игоря Тульчинского и др. к
и какому-либо конкретному инструменту в
любой
Виртуального данный момент.
70 Поиск буквенных
для сбора всех исследованных ценных бумаг за все доступные

торговые
дни. Простым примером является хорошо известное правило
возврата к среднему значению, которое
гласит, что цена акции с течением
времени будет стремиться вернуться к своей средней цене. На
фондовом рынке по-прежнему легко найти акции, цены на
которые
продолжают расти или падать в определенные периоды, при этом
средняя
Более цена
того, постоянно
даже несмотря на то, что они основаны на одном и
изменяется
том в определенном направлении. Тем не менее,
же базовом
агрегируя
правиле по коллекции
определения измогут быть созданы разные альфа-
цен,
N акцийесли
версии, за Mвторговых дней, если N и M достаточно велики,
них используются
вы обнаружите,
разные что правила.
реализации более 50% этих N M чтобы
Например, выборочных точек
воспользоваться
подчиняются
правилом правилу
возврата возвратазначению,
к среднему к использование
среднему значению.
различных методов для вычисления
среднего значения и различных способов определения тенденции
возврата может привести
к различным альфа-показателям, все из которых могут быть
прибыльными и относительно некоррелируемыми
. Важно различать существенные ограничения,
которые определяют идею, и конкретные варианты реализации.
Рассмотрим
колесо. Колеса обычно круглые, но почему они должны быть
круглыми?
Реальное ограничение формы колеса заключается в том, что оно
должно быть выпуклым
ОБРАТНОЕ ТЕСТИРОВАНИЕ
и плоским, с постоянной шириной. В соответствии с этим
правилом можно изготавливать
Существует два основных способа генерации сигналов: с помощью
колеса не круглой формы, как объясняется теорией
идей или с помощью
треугольника Рело. Поскольку разные реализации часто имеют
данных. В процессе, основанном на идее, семенем идеи альфа-
разные
дизайна может быть
сильные и слабые стороны, хороший ансамбль реализаций
гипотеза, статья, рассказ, вдохновение или просто случайная
обычно более надежен, чем любой отдельный экземпляр.
идея. В
процессе, основанном на данных, сигналы поступают из наборов
данных, собранных собственными силами
или от поставщиков данных, но любые обнаруженные
потенциально ценные сигналы
Как и в академических должны многие предположения
исследованиях,
быть проверены.
неверны, Большинство
а многие попытки исследований проводится по той
или иной гибридной
бесполезны. методологии:
Лишь немногие из них обладают потенциалом для
первоначальная
получения постояннойпересматривается на основе полученных
идея
данных или
прибыли новый источник
в реальных данных
условиях. мотивирует
Во многих случаях, исследователь
новое иметь
будет направление чтения и исследований. Для обеих
методологий
обратное тестирование является важнейшим компонентом
процесса.
Тестирование – сигнала или переобучение? 71
твердая вера в то, что модель будет работать, но после

тестирования выяснится, что она
не работает – или, наоборот, изначально скептически
настроенный исследователь может найти
большую эмпирическую ценность в идее, обнаруженной благодаря
интуиции, или в противоположной
гипотезе. Лежащая в основе сила может присутствовать на рынке,
но
Моделирование и обратное тестирование
оказывать слабое
Существует воздействие,
множество которое
возможных перевешивается
методов проверки другими
факторами, илигипотезы,
достоверности первоначальная идея
может быть просто неверной, потому что рынки часто ведут себя
включая:
нелогично.
• Моделирование методом Монте-Карло, которое имитирует
различные источникивлияющие на значения прибора, для
неопределенности,
получения ряда
• результирующих результатов.
Модели ценообразования, которые рассчитывают цены активов
(например, черно–
Модель ценообразования опционов Шоулза).
• Объяснительные модели, которые анализируют то, что
произошло исторически.
В нашей рабочей среде моделирование означает обратное
тестирование:
процесс применения конкретной модели к непредвзятым
историческим данным при
определенных рыночных допущениях и ограничениях риска для
проверки ее смоделированных исторических характеристик.
Неявное допущение бэктестинга заключается в том, что если
идея сработала
Результаты в истории, то
бэктестинга с большей вероятностью
используются она
для предварительного
сработает и в будущем.
выбора моделей, сравнения различных моделей и оценки
Модель, как правило,
потенциальной не будет
ценности такихрассматриваться,
альфа-значений.. если она не была
подтверждена
Эти
в ходе моделирования.
результаты могут быть оценены с использованием различных
показателей, таких как доходность, коэффициент Шарпа
(превышение
Однако хорошихдоходности над тестирования
результатов риском), оборот (частота торгов)
недостаточно для и
корреляция стратегии; многие другие факторы будут влиять на
прибыльной
с другими альфами.
эффективность инвестиций. Как
правило, инвесторам не следует вкладывать капитал, основываясь
исключительно
• Текущий рынок наможет
результатах моделирования
отличаться обратного
от исторического периода.
тестирования.
Правила рынкаВотпостоянно
некоторые из причин:
меняются, баланс участников рынка
меняется с течением времени, и новые теории и новые
технологии могут влиять на
поведение рынка.
• Предположения, лежащие в основе моделирования, могут быть

нереалистичными. Чтобы купить
продать активы, инвесторы или совершать сделки, которые
должны
могут повлиять на рынок,
и им необходимо оплатить транзакционные издержки или
комиссионные. Разумные
оценки дляпредвзятость,
• Возможна этих чисел имеют решающее значение
ориентированная при Если
на будущее. оценке
бы
результата
выследовал моделирования.
видели, тренду
как кто-то
и получал прибыль в прошлом году, вы могли
бы протестировать
модель следования тренду, и, возможно, вы смогли бы получить
хорошее историческое
моделирование
• Это может быть за тот же
случай год. Без лучшего
переобучения. понимания
Иногда вы видят
инвесторы
можете симуляцию
хорошую получить
результаты прибыль откоторые
моделирования, будущих инвестиций,
просто а можете и
обусловлены
не получить. и не имеют
случайностью
предсказательной силы.
ПЕРЕОБУЧЕНИЕ
Слово “переобучение” происходит из области статистического

машинного обучения.
В мире количественных данных переоснащение или очевидное
обнаружение
правила, определяющего цену, которое оказывается неверным,
является неотъемлемым риском для любой системы бэктестинга
. Ложные отношения могут оказаться статистически зна-
не в исторических данных, на которых он был разработан, а затем
исчезнуть в
Такого рода явление часто наблюдается в сфере, более близкой
будущем
к и никогда
повседневной не появляются вновь. Альфа, такая как “Акции
жизни.
с буквой
Очевидная формула “3964” была обнаружена перед
”С" в их тикерах, по
соревнованиями как правило,
футболу нарастут по средам",
чемпионате вероятно, не
мира 2006
является хорошей
года. Аргентина выигрывала чемпионат
для
в инвестирования,
1978 даже
и 1986 годах, что если всоставило
в сумме прошлом она
3964казалась
года; Германия
прибыльной.
выигрывала в 1974
и 1990 годах, что в сумме составило столько же; Бразилия
выигрывала в 1970 и
1994 годах, и снова в 1962 и 2002 годах. Эта формула выглядела
красиво, пока
“статистики” не попытались использовать ее для прогнозирования
чемпионата 2006 года. Они
утверждали, что чемпионат мира достанется Бразилии, которая
выиграла в
1958 году, но вместо этого он достался Италии. Неудивительно,
что “правило” также
потерпело неудачу в 2010 году, когда Испания стала новым
членом
клуба чемпионов. Но вместо того, чтобы просто смеяться над этой
ложной альфой, мы можем узнать
кое-что разумное: среди всех национальных команд те, которые
выиграли
чемпионат,
Обратное как правило,
тестирование сильнее
– сигнал своих соперников,
или переоснащение? 73 поэтому у них
могут быть более высокие шансы на повторную победу. Урок
заключается
чтобы создатьв хорошие
том, что простая
альфа-модели, важно распознать лежащий
игра
в основе цены может помочь вам получить некоторые значимые
с числами
результаты,
принцип
Каждый но профессиональные
управления
день и отделить егоинвесторы
от ложныхпроводят
шумов. огромное
количество симуляций
на исторических данных для поиска закономерностей движения
цен, используя суперкомпьютеры
, кластеры, а теперь и облако. Риск переоснащения или
обнаружения
ложных взаимосвязей особенно высок, учитывая огромную
вычислительную
Предположим, мощь современных хочет
что исследователь графических процессоров.
определить по крайней
Когдаодин
мере вы видите
двухлетний
особенно хорошиетестирования
период обратного результаты моделирования, вам нужно быть
с годовым коэффициентом Шарпа
осторожным
выше 1. при оценке
рискаон
Если переоснащения моделей. количество конфигураций
попробует достаточное
стратегий, он в конечном итоге найдет одну,
даже если стратегии на самом деле случайны, с ожидаемым
коэффициентом
Сигнал можетШарпа вне выборки,
быть определен равным 0.
как конфигурация стратегии, у
Испробовав достаточно
которой за последние Mбольшое количество конфигураций
стратегии
дней ежедневный коэффициент Шарпа PnL был выше, чем S. В
, бэктест9.1,
таблице всегда можно подогнать
требование мини- под любую желаемую
ошибки при сверху, а количество случайных
Шарпа проходит
фиксированной длинекоторых
симуляций, в рамках выборки.можно ожидать увидеть сигнал,
удовлетворяющий
требованию, проходит вниз по левому столбцу. Числа
генерируются с помощью:
(1) случайно созданных векторов нормализованного
распределения длиной M в 1 миллиард длин
;Таблица
(2) проверка того, сколько
9.1 Количество днейиз таких случайных
тестирования, попыток
необходимых имеют
для
абсолютные коэффициенты Шарпа
достижения различных целевых показателей
, превышающие
коэффициента S (если один сигнал имеет очень отрицательный
Шарпа
коэффициент, его можно Цель Шарп
перевернуть);
Количество и (3) вычисление ожидаемого количества
0.5 1.0 1.5 2.0 2.5 3.0
необходимых симуляций
дней
путем деления 1 миллиарда на число, наблюдаемое в п. 2.
20 1.12 1.27 1.46 1.70 2.00 2.38
60 1.24 1.59 2.12 2.97 4.32 6.58
120 1.37 2.03 3.28 5.82 11.31 24.14
250 1.61 3.11 7.29 20.87 73.45 317.53
500 2.07 6.25 28.34 196.60 2,104.14 34,698.13
1,000 3.13 21.39 345.77 13,700.13 1,340,483 500,000,000
КАК ИЗБЕЖАТЬ ПЕРЕОБУЧЕНИЯ
Чтобы снизить риски переобучения, было предложено несколько

технологий,
таких как десятикратная перекрестная проверка, регуляризация и
априорная вероятность.
Десятикратная перекрестная проверка - это процесс, который
разбивает данные на десять наборов данных
размером n /10, обучает модель на девяти наборах данных и
тестирует на одном, затем
повторяет процесс десять раз и получает среднюю точность. В
статистике
и машинном обучении регуляризация используется при выборе
модели
Заимствуя
для предотвращения
концепции из области статистического машинного
переобучения
обучения, вот путем наказания моделей с экстремальными
значениямиконкретные
некоторые параметров. рекомендации о том, как избежать
Тест внебыли
Недавно выборки:
переоснащения: Для оценки
опубликованы альфа-модели
статьи по проблемамнеобходим тест вне
переоснащения
выборки
это должен
в области быть настоящий
количественных тест вне выборки.
инвестиций, То Bailey
в том числе есть мы
et al.
создаем
(2014a), модель,
Bailey et al.ежедневно тестируем
ее в реальной
(2014b), Beaudanсреде и следим
(2013), за тем,Harvey
Burns (2006), как она
et работает.
al. (2014),Это не de
Lopez
настоящий
Prado (2013) итест вне выборки,
Schorfheide если (1)
and Wolpin модели тестируются на
(2012).
основерассматриваются
В статье данных за вопросы, связанные с переоснащением
самые последние
в области N лет, тогда
количественных в качестве данных вне
выборкииспользуются данные за более ранний период за N
лет; или (2) модель тестируется на подмножестве
торговых инструментов, а другие инструменты используются
вне
выборки. В первом случае история рынка за последние N лет
была
Примечание: по мере увеличения количества альф,
подвержена влиянию
тестируемых предыдущей истории, поэтому модели,
вне выборки,
которые работалистановится
тест вне выборки недавно, также
болеемогут
предвзятым. Альфа может
иметь тенденцию
работать работать в этой истории. Во втором случае
разные
случайныминструменты
образом хорошо благодаря удаче.
Увеличьте требование к коэффициенту Шарпа в образце:
коррелируют;
Более моделивне
Производительность
высокий коэффициент с хорошей
выборки
Шарпа производительностью
на уровнеЕсли
одного в одной
коэффициент снижает риск переобучения. возможно,
вселенной, какнедостаточна,
альфа-сигнала правило, когда тестируется много альфа-
лучше протестировать
хорошо
сигналов.работают в другой.
модель в более широкой вселенной, где она должна иметь более
высокий коэффициент Шарпа,
следуя фундаментальному закону коэффициентов Шарпа:
коэффициент информации
равен коэффициенту информации, умноженному на квадратный
корень из ширины
(Grinold and Kahn 1999). В реальном мире, к сожалению, есть
Тестирование – сигнала или переобучение? 75
часто ограничения на общее количество соответствующих

торгуемых инструментов
или подмножество
Протестируйте инструментов,
модель охватываемых
на более длительном набором
этапе: как
показано
данных.вобратного
период таблице 9.1, удлинениеуменьшает вероятность
тестирования
случайного перенастройки
. Однако дольше не всегда лучше, потому что данные могут
быть
недоступны в проверка
Перекрестная течение достаточно
на разныхдлительного периода
инструментах: Какили
рынок,
правило, возможно,
хорошие изменился
альфа-модели
работают в разных активах и регионах. Например, модели
слишком сильно,
акционерного чтобы более ранняя история все еще имела
капитала,
смысл. модельв элегантной:
разработанные
Сделайте США, могут быть применены
Альфа-версия к Европе
лучше, еслии (1)
Азии.
она
проста и непринужденна
понять; (2) за этим стоит хорошая теория или логика, а не
просто
эмпирические открытия; и (3) это можно объяснить, и вы
можете рассказать объем”
историю, стоящую
Последнее за этим.
не сработало бы,Например,
потому что“Альфа-возврат”
вы не можете может
иметь потенциал
осмысленно бытьдве
добавить хорошей моделью, но “Альфа-возврат"
-разные
нет. единицы измерения (например, для возврата
используются доллары,
Минимизировать а для объема
параметры -
и операции: Как и в машинном
целое число,
обучении,
модули сmod- например
меньшим акции). степеней свободы менее
количеством
чувствительны к
изменению параметров. Это может помочь снизить риски
переобучения. Добавленная стоимость
затрат дополнительного времени на параметры подгонки или
операции, как правило,
невелика и в определенный момент становится отрицательной,
поскольку риск чрезмерной
подгонки перевешивает выгоду от улучшенной подгонки.
Цены на финансовые инструменты определяются различными
правилами и факторами
, которые могут лечь в основу статистических арбитражных альф.
Все альфа-индикаторы
имеют режимы сбоя, и ни один альфа-индикатор не работает на
всех инструментах при всех
условиях, но разумная комбинация реальных альфа-индикаторов,
охватывающих различные
аспекты истинных правил ценообразования, с большей
вероятностью приведет к созданию успешных портфелей,
приносящих прибыль. Обратное тестирование необходимо для
разработки и
подтверждения сигналов, но оно сопряжено с риском
переоснащения. Существует много способов
контролировать риск переобучения; всеобъемлющая идея состоит
в том, чтобы найти
надежные альфа-системы, которые работают по общим принципам
и не слишком чувствительны к
конкретным параметрам или условиям.
Имейте в виду, что люди черпают идеи из академических

исследовательских работ
и отчетов об исследованиях на стороне продажи, но в этих статьях
и отчетах описываются
только хорошие результаты; они не могут публиковаться, если
производительность недостаточно
Кроме того, финансовые хороша эффектом памяти.
рынки обладают
.Многие
Они неколичественные
говорят, сколькоинвесторы
раз они пытались, и не
просматривают одни и те же
сообщают о неудачах.
исторические данные..Во многих случаях их модели невозможно
воспроизвести.
Некоторые закономерности
возникают в истории без видимой причины или по причинам,
которые выходят
за рамки того, с чем могут справиться количественные модели.
Такие паттерны могут быть
захвачены не только одной, но и большим количеством шумовых
моделей. Торговля
такими сильно подобранными моделями может подтолкнуть
рыночные цены к модели, что
приведет к потере прибыли, особенно при больших размерах
сделок.
10
Контроль предубеждений
Авторы: Ананд Айер и Адитья Пракаш
Введение
Инвестиционные предубеждения хорошо изучены, как видно как

из академической
литературы, так и из области поведенческих финансов, которая
посвящена
их пониманию. Хотя количественный инвестиционный процесс
предлагает
инвесторам средства управления и арбитров такого
предубеждения
Мы начинаем многие Цюань- двух категорий предвзятости,
с определения
titative портфельные менеджеры
затем исследуем различные ветер, вызывающий смещение,
систематически или
типы предвзятости, которые существуют в рамках этих категорий.
иначе.
В Эта глава
заключение мыпредставляет собой размышления
приводим некоторые
практикующего специалистадля
практические предложения о том, как контролировать
специалистов по количественным
предвзятость, и предназначена
исследованиямПРЕДВЗЯТОСТИ
КАТЕГОРИИ и фирм. для управляющих количественным
портфелем ценных бумаг и исследователей.
В широком смысле мы классифицируем предвзятость как
систематическую или поведенческую. Инвесторы внедряют
систематическую предвзятость, непреднамеренно кодируя ее в
своих количественных
процессах. Напротив, инвесторы привносят поведенческие
предубеждения, принимая
специальные решения, основанные на их собственном
человеческом поведении. В течение определенного периода
времени как систематические,
СИСТЕМАТИЧЕСКИЕ так и поведенческие
ПРЕДУБЕЖДЕНИЯ
предубеждения приводят к неоптимальным результатам
инвестиций
Существуют два важных источника систематических
.предубеждений: предвзятое отношение
и интеллектуальный анализ данных.
Предвзятость прогноза
При моделировании или обратном тестировании, когда сигнал или
инвестиционная стратегия в данный
момент времени использует данные из будущего, которые не были
бы известны
или доступны, это приводит к предвзятости прогноза. Из-за этого
результаты моделирования часто кажутся лучше, чем они есть на
самом деле.
Предвзятость во это
Несмотря на то, что временных метках
хорошо понимается
Одной из ключевых причин предвзятости в прогнозе
, предвзятость к прогнозированию на удивление является
распространена в
неправильная
количественной временная
сфере. метка данных.
Каждое базовое значение должно иметь двойную временную
метку с указанием даты-времени возникновения
и даты-времени прибытия. Дата-время возникновения определяет,
когда произошло
Аналитик
событие, XYZ повысил
связанное PQR акций
с данными. до уровня покупки в 2017/1017
Например:
году в 10:00:00 по восточному времени
Дата-время прибытия - это когда исследователь получил
об вышеупомянутом событии от распространителя данных или
поставщика.
Например:
Поставщик ABC предоставил информацию о вышеупомянутом
обновлении analyst в
20171018 15:00:00 по восточному времени
Любой сигнал, отключенный от даты возникновения вместо
даты-времени прибытия, будет игнорировать реальные задержки,
связанные с получением
данных, что может привести
На количественном к нереалистичному
языке данные моделированию.
с двойной временной меткой
также называются данными на момент
времени. Многие временные ряды, такие как оценки ВВП, часто
пересматриваются экономистами, собирающими и
анализирующими данные.
Поставщики
Другой формой
данныхнеправильной
также могутвременной
исправлять маркировки,
ошибки в данных
имеющей
в
течение определенного
отношение к глобальным периода
стратегиям,
времени.
является
Во всех таких
случаях двойнаязаписи
невозможность временная
часового
метка
пояса,
восстанавливает
в котором проставлены
данные,
доступные вметки
временные определенный
данных. момент времени
, чтобы
Это особенно
для этого
актуально
момента
для
времени
стратегий,
можно
которые
было провести
одновременно
точное
моделирование.
торгуют в разных часовых поясах
– например, в Лондоне и Нью-Йорке. Моделирование
сигналов, которые торгуются одновременно в разных часовых
поясах, может быть
точно восстановлено путем приведения дат данных по часовым
поясам к единому часовому поясу.
Контроль предубеждений 79
Наконец, управляющие количественным портфелем полагаются

на поставщиков данных. Любая
предвзятость, допущенная поставщиком в процессе собственного
сбора и распространения данных, может привести к их
использованию в инвестиционной модели..........
Поэтому
количественные инвесторы должны принимать только
исторические данные с двойной
временной меткой и тщательно проверять любой источник
данных, который подвергается
Смотрю-впереди частым обучение,
уклон в машинное
ревизиям. Модели должны быть
исследователи с помощью методов протестированы на
машинного обучения также
согласованность между
можно ввести смотрю- периодом работы
поставщика в выборке
впереди уклон. (до того,
В частности, оникак он начал
могут предоставлять
настроить некоторые
данные в режиме
гиперпараметры для реального
времени) и последующим
всей выборки периодом
данных, а затем вне выборки.
использовать эти параметры в
обратном тестировании. Гиперпараметры
всегда следует настраивать, используя только ретроспективные
данные.
Аналогичным образом, в области анализа настроений
исследователям следует
Интеллектуальный принять
анализ к сведению
данных
предоставленные
Исследователь может поставщиком словари
обрабатывать настроений,
данные сигнала, которые,
изменяя его
возможно, были обучены
конструкцию
работе
до с прогнозными
тех пор, данными. благоприятных характеристик в
пока он не достигнет
выборке; обычно это называется
переобучением. Стандартный подход к управлению
интеллектуальным анализом данных включает в себя
задержку, которая удерживает данные при моделировании и
принимает одну из двух
широких форм: задержка с временными рядами или задержка с
активами. При
задержке во временных рядах исследователи не проводят
Существует два тест
ретроспективный распространенных подхода при использовании
на данном отрезке
удержания
времени. временных
Аналогично, прирядов:
отказе от активов исследователи не
1. Опустите
проводят непрерывный отрезок времени. Как правило, это
бэк-
ближе накопределенном
концуряда.
временного
тест наборе активов. После включения задержки
2.
в Задержите несколько чередующихся отрезков времени во всем
окне обратного
бэктест, отдельный тестирования. Например,
бэктест проводится задерживайте
исключительно для
периоды чтобы
задержки, каждую очередную
проверить
неделю вли
, является пределах этого окна. При
производительность использовании чередования
стабильной.
нам необходимо
убедиться, что любая сезонность или автокорреляции в данных
не
искажают наши результаты.
Для удержания активов мы должны убедиться, что выборка

удерживаемых активов
имеет те же общие характеристики, что и совокупность активов в
целом.
При удержании не должно быть никаких отклонений в отношении
страны, отрасли, размера или ликвидности по сравнению с общим
набором
Интеллектуальный
активов. анализ данных сопряжен с риском
Выборка несогласованных
предвзятости формулировки, должна
котораябыть
связана с
выбором того, независимой
какую формулировку
от другихсигнала
активов;использовать
если они сильно
для
коррелируют,
одного и того же набора данных.
несогласованность
Например, должен имеет
ли импульсный
ограниченную
сигналценность.
использовать данные о
возврате цен за 3, 6 или 12 месяцев
? Если сигнал, который потребляет исторических торговых объем-
умэ использования данных означает, исторические тома или его
среднеквадратическая исторические
Тома? Хотя такие характеристики сигнала, как текучесть кадров и
коэффициент Шарпа в
образце, могут помочь при принятии решений о рецептуре, трудно
сказать,
ПОВЕДЕНЧЕСКИЕ ПРЕДУБЕЖДЕНИЯ
какая формула будет лучше всего работать вне образца. Одним из
подходов
Существуетк смягчению
несколько последствий
поведенческих ловушек, которые имеют
является диверсификация
отношение к количественному рецептур путем их смешивания с
использованием некоторой
инвестиционному непредвзятой
пространству, как подробно описано ниже.
схемы взвешивания, такой как равное взвешивание или
Рассказывание историйрисков.
взвешивание по паритету
Исследователи количественных показателей и портфельные
менеджеры подвержены риску рассказывания историй,
склонности подстраивать непроверяемую историю под оправдание
эффективности. Исследователь
может объяснить чувствительность сигнала, основываясь на
теории – феномене,
называемом подгонкой под теорию. Исследователь также может
выдвинуть утверждение, которое верно
для данного окна выборки, но не соответствует действительности
за пределами этого окна – скажем, что
сигналы о возврате к среднему значению не работают для
французских акций. Аналогичным образом, портфельные
менеджеры могут подтверждения
пытаться объяснить сокращение портфеля на
основе потоков подтверждения
погашений между - этосоответствующими
тенденция верить информации,
которая согласуется
менеджерами, не проводя строгой проверки этой
с предыдущим распределением вероятностей практикующего, и
гипотезы...........,
не верить
Если в ее
они изменяют свои портфели на основе предвзятой истории,
противоположность.
они Доступность непроверяемой информации в
Интернете
просто несутдлядополнительные расходы и снижают эффективность
Контроль предубеждений 81
поддержка практически любого набора предшествующих

значений позволяет легко стать жертвой этого предубеждения.
Для исследователей количественных показателей классической
ловушкой является заблуждение о том, что новейшие
исследования являются величайшими. Модные словечки,
особенно
Склонностьте, которые поддерживаются
к знакомству
более широким
Склонность инвестиционным
к знакомству сообществом,
- это тенденция также
инвестировать в
подпитывают
знакомые предвзятость
активы. подтверждения.
Исследования
показывают, что индивидуальные инвесторы склонны
инвестировать в компании,
расположенные в географической близости. Например, инвестор с
большей вероятностью
вложит деньги в технологические акции, если он базируется в
Силиконовой долине. Хотя это
противоречит принципу количественного инвестиционного
подхода, который
основан на диверсификации, количественные инвесторы могут
неосознанно
вносить это смещение в свои модели. Многие практикующие
Узкие рамки
строят универсальные
Узкие рамки - этознакомые
стихи, используя тенденциясоставляющие
принимать инвестиционные решения
S & P 500 вместо более
без
широкой
рассмотрения более крупного
вселенной потенциально портфеля.
незнакомых Одним Другая
названий. из примеров
форма
является
склонностипортфельный
к знакомствуменеджер,
который меняет
заключается распределение
в использовании капитала, не принимая
исключительно во
определенного
внимание общуютакого
стиля сигналов, корреляцию
как статистический
и связанные
арбитраж, с этим затраты.
стратегии, Другим
основанные на примером
факторах иявляется
событиях, и так
портфельный в отношении
менеджер, которыйдоступности
далее.
меняет моделив наотношении доступности
фоне просадки - это
и в ответ натенденция
нее. оценивать
будущее событие как более вероятное
, учитывая недавнее воспоминание о подобном событии.
Рассмотрим портфельного менеджера,
который накануне голосования по Brexit в Великобритании
предположил, что Brexit не
произойдет,
Стадный потому что Grexit в Греции никогда не случался.
уклон
Аналогично,
Стадность количественный
- это инвестор занимать одни и те же
склонность инвесторов
может
позиции переориентироваться на стратегию, основанную на ее
,недавнем превосходстве.
и ее определили как ключевую движущую силу финансовых
пузырей. Известно, что количественные
инвесторы, в частности, имеют высокую корреляцию
друг с другом, что позволяет предположить, что в их
моделях может быть заложена стадная предвзятость. Вероятно,
это происходит потому, что многие инвесторы используют
похожие
источники данных для построения похожих инвестиционных
стратегий, вдохновленных одними и теми же
академическое исследование. Хотя это легче сказать, чем сделать,

лучший способ
защититься от такого предубеждения - провести
дифференцированное инвестиционное исследование.
Предубеждения, хотя и невозможно устранить, можно лучше

контролировать с помощью личной осведомленности.
Управляющие портфелями должны контролировать свои
поведенческие
предубеждения, взяв на себя обязательство сократить разовые
вмешательства, особенно на фоне
сокращений, когда тенденция действовать в соответствии с
предубеждением наиболее выражена.
Эффективным решением может быть предварительное
составление плана действий по снижению риска.
Аналогичным образом, исследователям необходимо сдерживать
поведенческие предубеждения, связанные с
их собственной недавней работой. Напротив, устранение
систематических предубеждений
требует постоянных затрат времени и технологической
изощренности
, чтобы выявить предвзятость и переоснащение.
11
План с тремя осями
Автор Нитиш Майни
Мир количественного инвестирования развивается чрезвычайно

быстро.
Quants разрабатывает новые способы прогнозирования колебаний
рынка,
используя математику, компьютерное программирование и
постоянно расширяющийся
массив данных. Однако открытие новых альф может стать
серьезной проблемой, особенно для новых квантов.
Эффективное исследование
TAP может помочь новым квантам определить альфа-
огромной вселенной
пространство, возможных альф – то, что мы называем
предоставляя
альфа–пространством, -
структуру для концептуализации поиска альфа-символов. Это
требует структурированной
также может помочь стратегии, точки привязки и техники
ориентации
более опытным специалистам, которые имеют возможность
, иначе
Новыеизвестной
определять как Трехосевой
объекты,
кванты могут быть легко план (TAP). проблемой,
ошеломлены
составляющие
связанной каждую ось, а затем анализировать существующие
с попыткой
альфа-модели
разработать в своих
альфы. портфелях,
Они спрашивают себя: “Как мне найти альфы?
более
Как эффективно направлять свои усилия.
мне начать поиск?” Даже опытные специалисты, работающие со
многими alpha, могут
пропустить ключевые компоненты, необходимые для создания
надежного, диверсифицированного портфолио.
Например, одним из наиболее сложных аспектов построения
альфа-портфеля
TAP возник из-за этих опасений. Когда new quants начинают
является
проводитьнеобходимость оптимизации уровня диверсификации
портфеля. В автоматически
альфа-исследования, многие начинают с поиска в Интернете
сопряженных
статей о торговых системах решения о диверсификации
составляют основную
разработке alpha. область этих статей посвящены реверсии и
Большинство
человеческого вмешательства. Нелегко представить себе
мгновенному
множество
движению, частей portfo- новички могут поначалу потратить
и в результате
lio, которые содержат сотни или тысячи альфа-символов, и их
много времени на создание
взаимодействия.
альф реверсии или импульса. Но по мере того, как новые кванты
Поиск альф: более
количественный квалифицированными,
подход к построению торговых стратегий, второе издание. Под
редакциейони
Игоряначинают
Тульчинскогозадаваться
и др. и вопросом, действительно ли они создают
большую ценностьцентра WorldQuant.
, добавляя нового альфа-специалиста в свои портфолио. Хотя они
так думают
диверсифицируя свои портфели, они могут просто разрабатывать

одни и те же виды
альф снова и снова. Хотя может показаться, что они имеют
низкую
корреляцию,
Почти каждыйварианты
попадает одних и тех
в эту же альфа-типов,
ловушку, как правило,
когда начинает
имеют одинаковые способы отказа
исследовать
и не обеспечивают
альф. в полнойкванта
У каждого успешного мере преимущества по-настоящему
есть золотая жила; он копает
диверсифицированного
все портфеля.
глубже в своей шахте, чтобы извлечь как можно больше. Один
человек развивает
очень сильный сайт импульса; у другого очень сильный
фундаментальный
На самом деле TAP сайт;- это всего лишь инструмент для
третий создает очень
организации сложного, сильный сайт реверсии. Однако они часто
многомерного
забывают,
альфа-пространства. Он предлагает ряд преимуществ для
что там есть несколько
диверсификации портфеля золотых приисков. После того, как они
разыграют один
. Альфа-пространство обширно, с высоким и растущим числом
участок,
степенейим нужно и
свободы, двигаться
существует дальше,
почтичтобы найти и исследовать
неограниченное
другие прииски.
количество возможных
возможных альф, причем каждая область или скопление альф
обладают различной
топографией, требующей открытия и исследования. У кванта есть
множество вариантов выбора. Он может делать прогнозы для
торговли натого,
С учетом интервалах,
что доступные данные расширяются такими
варьирующихся
быстрыми темпами от микросекунд
– фактически, допотому
лет. Она может делать
что
прогнозы
данных такпомного
различным
– важно разработать план организации этого
классам
сложногоактивов, чащекоторый
ландшафта, всего поимеет
акциям, облигациям,
разумную сырьевым
вероятность
успеха. Каждому
товарам и
валютам. Ноквантовому
успешному набор возможных
проектуэлементов,
необходима которыми
стратегия
может
для
манипулировать
выявления жизнеспособных
квант сигналов в
, постоянно
мире шума, растет
нацеливания
– больше
на конкретные
наборов данных,
регионы
больше
в пределах
параметров,
больше
возможной
Мотивацией
идей.
вселенной
TAP была необходимость обобщить отдельные
и выбора
альфы на типа
как можно
данных более
и конкретных
широкое семейство
финансовых аналогичных
инструментов,
альф.
которые
Тремя особенно
наиболее соответствуют
полезными категориями,поставленной
или осями обобщения,
цели. Вамявляются
нужна модель
Идеи и
для структурирования
наборы данных, вашего
поиска. TAPпроизводительности
Параметры - это такая модель. и Регионы и Универсалии.
КРАН
Процесс поиска альфа-сигналов в этом сложном ландшафте может

широко варьироваться в зависимости от идей, лежащих в основе
альфа-сигналов, и желаемой
целевой функции, которая может включать атрибуты сигнала,
такие
План с тремя осями 85
Производительность
Параметры
Идеи и
КОСНИТЕСЬ
Наборы данных
Регионы и
Вселенные
Рисунок 11.1 Три оси плана с тремя осями
как оборот, частота торгов или набор торгуемых инструментов.

Чтобы
упростить визуализацию, КОСНИТЕСЬ структуры альфа-символов
внутри
Идеи,класса активов для разработки альфа-индикаторов, могут
используемые
в трехмерном пространстве
варьироваться (см. Рисунок 11.1).
от традиционных
показателей, таких как реверсия, импульс или торговля парами;
до менее распространенных,
таких как машинное обучение, отставание от графика или
сезонность. С увеличением вычислительной
мощности количество наборов данных, которые мы можем
использовать для реализации этих
идей, выросло настолько, что мы можем измерить разнообразие
пула
Эти идеи могут быть сгенерированы и реализованы на разных
сигналов по количеству различных используемых наборов данных.
группах
Наиболее широко
финансовых используемые
инструментов в разных регионах. Рыночная
наборы данных включают данные о ценах и объемах,
капитализация
фундаментальные
отдельных фондовых показатели компании,
бирж и нормативно-правовая база в
рекомендации аналитиков, настроения на фондовом рынке,
конкретном
социальные
регионе или сети и опционы,
стране но есть
обычно определяют выбор региона для
и множество других.
определения количества. В США
и Европе традиционно
Чтобы добиться наблюдаются
успеха в различныхсамые интенсивные
рыночных торги,
условиях, quant
хотя
может азиатские
рынки
создатьв разнообразный
последние годыипривлекают все больший
надежный портфель, интерес.
разрабатывая
Торговые инструменты
альфа-модели, которые пытаются достичь
могут определяться
одной или нескольких с точки зрения
целевых их ликвидности,
функций, обычно связанных с
классификационных
атрибутами, характеристик
,объясняющими
таких как сектор
их или отрасль, илиКванты
эффективность. других целью
критериев, в
получения
зависимости
прибыли от альфа-идеи.
на maximiz-
ную Шарпа и возвращает, либо путем минимизации просадок и
трат-
ских затрат. Подход TAP - это один из способов ориентироваться в
этом мире,
при этом каждая ось обеспечивает различную линзу для
фокусировки вашего
Таблица 11.1 Некоторые идеи, наборы данных, регионы, универсалии
и
параметры производительности, которые охватывает TAP
Три оси
Идеи и Регионы и
наборы данных вселенные Параметры
Идеи Регионы • высокая доходность

• возврат • США • высокий коэффициент Шарпа
• импульс • Европа • более низкие затраты
• сезонность • Азия (Япония или бывшая Япония)
• меньшие просадки
• обучение • Северная и Южная Америка
• свинцово-отставание
• глобальные
наборов данныхВселенные
• основных • могут быть определены с использованием профиля ликвидности
• аналитика , например, TOP50, TOP100,
• настроения TOP200, TOP1500
• социальные медиа
• любой конкретный сектор или отрасль
• вариантов • любой выбранный инструмент или группу
инструментов
исследование. К каждой оси может быть добавлено множество

элементов, в зависимости от
подхода. В таблице 11.1 представлена упрощенная схема трех
осей.
Конечно, возможные составляющие элементы по каждой оси
могут быть гораздо более обширными.
.ВНЕДРЕНИЕ TAP
В TAP используется относительно простой механический процесс,

который одновременно отражает
и организует сложную финансовую реальность alpha space. Это
позволяет
стратегу заполнить
TAP работает пробелы
на трех по трем
уровнях. осям,
Первый таким образом
включает в себя выявляя
возможные начальной
определение
недостающие
области, компоненты
на которой нужнопортфеля.
сосредоточиться. Пользователь может
начать с относительно общего сосредоточения на
одной оси – скажем, на импульсе как идее; или на конкретной
региональной
области, такой как США или Европа; или на параметрах
производительности, таких как
высокий коэффициент Шарпа или минимальные просадки. Второй
уровень включает в себя
уточнение фокуса путем систематического заполнения элементов
других
осей. TAP позволяет кванту выбирать цель на одной оси и
сохранять
гибкость при манипулировании двумя другими осями. Работа над
каждой целью
независимо помогает участнику развивать навыки и накапливать
знания
План с тремя осями 87
необходимо построить альфы в этой области. Третий уровень

включает в себя выполнение:
реализацию алгоритма в коде, тестирование первоначальной
идеи, а затем этот относительно простой пример. Предположим,
Рассмотрим
возвращение
что квант к доработке базовой концепции путем работы по
трем осям.
изучает идеи, которые могли бы сработать в мире
преимущественно ликвидных
акций. Он предпочитает сначала сосредоточиться на оси "Регионы
и вселенные" и
выбирает liquid universe – 500 или 300 крупнейших компаний в
США.
Позже, для географической диверсификации, ему понадобятся
альфы и стратегии
для Азии и Европы, а также для США. Это должно быть
относительно легко
, потому что после того, как мы уже разработали альфа-модели
импульса и реверсии и
познакомились со свойствами жидких вселенных, естественно
применить эти знания к Европе и Азии. В то же время
исследователь понимает, что недостаточно сосредоточиться
только на снижении
Для достижения желаемого уровня диверсификации требуется
стоимости альф или увеличении их коэффициентов Шарпа; также
систематическое
освоение использования трех осей TAP:
важно
генерировать высокую отдачу.
• Выбор сосредоточиться Однако для получения
на альфа-импульсе более идеи и
замораживает
высокой
данные - прибыли часто требуется
задает ось. В этом случае следующими шагами являются
компромисс
диверсификация с влиянием других
по двум другимпараметров. Таким образом, для
получения более высокой прибыли
осям путем выбора различных регионов требуется
и универсалий
более высокий уровень
финансовых инструментов мастерства. Теперь квант может повторить
свою предыдущую работу и продолжить стремиться к созданию
• для разработки
Аналогичным импульсных
образом, выбор альфа-моделей и таргетирования
в пользу разработки альфа-версии
альфа-импульса
альфа-моделей сдля
высокой отдачей, альфа-реверсии с высокой
оптимизации
для финансового
фиксирует сектора США
ось регионов и вселенных, но сохраняет гибкость для
отдачей
различных и альфа-жидкости
видов параметровс эффективности.
использования различных
высокой отдачей.
• идей
Выбор или наборов
в пользу данных для
разработки оптимизации
альфа-версии различных
с высокой доходностью
повышает
параметров
Ось вашу
параметров,производительности.
позволяющая гибко изменять две другие оси
для
любого типа набора данных, идеи, региона и юниверса для
поиска желаемой
возвращаемой цели.
Сложности финансовых рынков допускают широкий диапазон
детализации и точности, которые обеспечивают богатство альфа-
пространства
и волнение при поиске новых альфа-игроков..........."Альфа"-
пространство
........... Важно
признать, что не существует единственного безотказного
решения. Мир финансов
определяется особыми различиями в оценках отдельных лиц

активов, доходности и риска. Следовательно, потенциальная
ценность заключается в том, чтобы исследовать
известный ландшафт как можно шире, даже в районах, которые
часто
игнорируются как шумовые; потенциально они могут оказаться
бесконечными источниками
знаний. Квант просто должен сделать осознанный выбор
ЗАКЛЮЧЕНИЕ того,
с чего начать этот поиск и как организовать усилия.
TAP - это инструмент, который визуализирует различные
параметры, влияющие на альфа-
производительность. В результате это может обеспечить кванту
большую ясность
и понимание сложного альфа-пространства. TAP не является
секретным оружием,
обеспечивающим успех, но оно помогает менее опытным
специалистам начать
поиск и понять основные проблемы, а более
опытным стратегам повысить диверсификацию очень сложных
портфелей альфа-активов. Чтобы быть наиболее эффективным,
TAP должен быть интегрирован
во все необходимые этапы альфа-разработки, уточнения,
тестирования и
исполнения.
12
Методы повышения
надежности альфа-систем
Введение
Основная цель alpha research - спрогнозировать рынок и

попытаться превзойти его
. Однако большинство инвесторов стремятся не только к
доходности, но и к
низкой подверженности риску и некоторой уверенности в своей
Надежная предвидеть
альфа-версия должна обладать следующими
результаты торговли. Учитывая эти требования, мы определили
свойствами:
надежную
• альфа-версию.
Инвариантность при изменении торгуемого юниверса: альфа-
символ
должно отражать статистическое свойство, не зависящее от
выбора
конкретных инструментов для торговли. Изменения в наборе
часто вносятсяк рынком
Устойчивость в результате
экстремальным изменений
рыночным в
условиям: у альфа-
законодательстве,
системы
чрезмерно
не должно
резких быть
снижений ни в одном из ее контрольных
предпочтений
показателей клиентов, снижения ликвидности, краткосрочных
производительности.
запретов
Наиболееираспространенные
т.д. критерии, используемые для
измерения альфа-производительности
, включают коэффициент информативности, максимальную
просадку ПОВЫШЕНИЯ
МЕТОДЫ и доходность. НАДЕЖНОСТИ
В этом разделе мы представим наиболее распространенные и

устоявшиеся
методы повышения надежности альфа-версии. В целом, наша
цель - обеспечить стабильную альфа-производительность, на
которую не оказывают чрезмерного влияния
отклонения входных данных или другие незначительные
отклонения от допущений модели.
Методологии повышения надежности можно разделить на

три категории: методы упорядочения, приближение к
нормальному распределению и методы ограничения.
Ниже мы
подробно обсудим все три метода.
Методы упорядочивания
Мощной мотивацией для применения методов упорядочения в
альфа-
исследованиях является улучшение альфа-свойства
инвариантности, означающего, что
результаты тестирования не изменяются при
Порядковая шкала измерения - это такая шкала, которая
некотором преобразовании входных данных или торгуемого
передает только порядок.
юниверса.
Эти шкалы указывают только на то, что одно значение больше или
меньше
Вообщедругого,
говоря, заказ на основе процедуры-это подмножество
поэтому различия между рангами не имеют значения.
не-
параметрические методы, которые во многих случаях имеют
преимущества по
надежности по параметрические методы. Они предпочтительны,
когда некоторые
допущения параметрических процедур (например, t- и F-тесты)
грубо нарушаются. Это может произойти, например, когда
предположение о нормальности не удовлетворяется набором
данных с экстремальными
Ранжирование: выбросами.
Ранжирование - это операция, которая заменяет
В этом случае
элементы по некоторому не
набор
вектора
их рангами данных соответствует
критерию требованиям.
сортировки. Обычно
Кроме того, альфа-методы, основанные на непараметрических
элементы
методологиях по своей природе,
вектора масштабируются так, чтобы они находились в
требуют меньшего количества
интервале [0,1]. Если допущений и управляющих
два значения
параметров,
совпадают, чем их параметрические
предполагается,
Ранжирование может бытьчто они имеют для
использовано одинаковый ранг,
определения
альтернативы.
равный среднему
ранговой корреляции Спирмена
возрасту их1904).
(Spearman соответствующих должностей.
Во многих случаях корреляция Спирмена
намного
более стабильна, чем показатель корреляции Пирсона (Pearson
1895).
Очевидно, что любая статистика, основанная на рангах
Например, известно, что корреляция Пирсона нестабильна для
данных, должна
не
быть инвариантной к монотонным преобразованиям, поскольку
стационарных
такие и / или нелинейных входных данных.
не влияют на относительное ранжирование наблюдений. Таким
образом, статистика,
основанная на рангах, не зависит от того, измеряется ли
результат
по исходной шкале или по любой другой произвольной шкале.
Методы повышения надежности Alphas 91
Аппроксимация квантилями: Квантили - это точки, взятые с

регулярными интерваламифункции распределения случайной
значения кумулятивной
величины.
Разделение набора упорядоченных данных на подмножества
данных одинакового размера является мотивацией для q-
количеств; величины - это значения данных, обозначающие
границы между
Например, последовательными
обычная подмножествами.
регрессия методом наименьших квадратов
...........,
может быть нестабильной для
нестационарных и / или нелинейных входных данных. Однако его
можно заменить на
наименьший квантиль квадратов (LQS), в котором целью является
минимизация
некоторого
Приближение квинтиля квадратов остатков.
к нормальному Среди различных
распределению
методов LQS
Нормальное распределение - это распределение случайной
наиболее популярным
величины, является минимизация медианных
определяемое
квадратов. функцией плотности вероятности:
следующей
2
x
2 1 2
f (x| , ) e 2
2
2
σ- стандартное отклонение, и
где μ - среднее значение распределения,
σ2- это отклонение. Нормальное распределение имеет особое
значение в
статистике из-за так называемой центральной предельной
теоремы, которая гласит, что
приМыопределенных условиях
проиллюстрируем сумма многих
несколько методовслучайных величин
будет иметь функции распределения
произвольной
приблизительно
в приблизительно нормальное
нормальную распределение.
функцию распределения. Когда
базовое распределение примерно нормальное, но загрязнено
выбросами и большими хвостами, следующие надежные методы
могут помочь поддерживать
стабильную производительность
Формула преобразования даже вПредполагая,
Фишера: экстремальных
чторыночных
условиях.
случайная величина
ограничена x
1, преобразование Фишера может быть определено
следующим образом:
1 1 x
Fx ln arcth x
2 1 x
Если F(x) - преобразование Фишера для x, а N - размер выборки,

тогда F (x) приблизительно соответствует нормальному
распределению
/N 3 .со стандартной
ошибкой 1
Z-оценка: Z-оценка данных приводит к распределению с нулевым

средним
и единичным стандартным отклонением. Z-оценка определяется
x
Z
Другими словами, Z-балл представляет собой расстояние между

необработанным
баллом и средним значением по совокупности в единицах
стандартного
Методы отклонения.
ограничения
Экстремальных значений могут оказывать значительное и в целом
вредное воздействие на
статистические свойства наблюдаемых величин. Следовательно,
одной из целей
надежных методов является уменьшение влияния выбросов.
Обрезка: С помощью обрезки мы просто удаляем определенную
часть
данных выше или ниже некоторого порога.
Винсоризация: Винсоризация - это преобразование, которое
ограничивает
изменения вэкстремальные значения эффекта возможных
данных для уменьшения
ложных выбросов, как
первоначально было предложено Hastings et al. (1947) и позже
более
систематически аргументировано Rousseeuw и Leroy (1987).
Упорядочивание аналогично обрезке,
но мы заменяем
Давайте крайние значения
проиллюстрируем, значениями
как обрезка отсечения
и упорядочивание
, а не выбрасываем
повлияют
простых оценок их.
на вычисление
на выборочном наборе числовых, ,данных
,,, 3. 5 7 10
100
Рассмотрим среднее, медиану, k-усеченное среднее и k-
упорядоченное среднее
, как определено ниже.
a. среднее: среднее арифметическое выборочных данных
среднее3 5 7 10 100 5 25/
b. медиана: значение, отделяющее верхнюю половину выборки

данных от половины
нижней
медиана 7
αс обоих
c. k-урезанное среднее значение: урезать заданную
концовпропорцию
набора данных, а затем возьмите среднее значение.
20% подстриженный5 средний

7 10 3 7/ 33 .
точка
Методы повышения надежности Alphas 93
d. k-упорядоченное среднее значение: замените долю k с обоих

концов
набора данных следующим ближайшим наблюдением, а затем
возьмите среднее значение.
20% предположительное
5 5 7значение
10 10 5 7 4/ .
Из приведенного выше примера мы можем видеть, что как k-

усеченное среднее,
так и k-упорядоченное среднее гораздо более стабильны по
отношению к выбросам
, чем среднее арифметическое. K-усеченное среднее и k-
упорядоченное
Все приведенные выше оценки (среднее, медиана, k-усеченное
среднее и
среднее также очень близки к медиане, которая является хорошо
известной надежной
k-упорядоченное среднее) могут рассматриваться как частные
оценкой.
случаи L-статистики
или мин{X1 , ...,комбинации
X(1) =линейные Xn },и наибольшая
статистики порядка.
статистика Например,
заказа - это для
конкретных
выборки: X =макс {X , ..., X }. k
максимум -й
статистика порядка-й
данных
- это k
, когда точки
выборочных (N)значений
упорядочены.
1
статистика
n
наименьшего порядка - это
минимум выборки:
Как утверждают Берцимас и др. (2004), надежные методы могут

значительно
улучшить несколько контрольных показателей, которые измеряют
альфа-поведение в экстремальных
рыночных условиях. В наши дни все больше и больше практиков
используют
преимущества надежных
Важно помнить, методологий,
что надежные методыразработанных
предполагают,зачто
последние
базовое десятилетия.примерно
распределение Большинство стандартных
нормальное, пакетов
но загрязнено
статистического программного обеспечения включают в себя
внешними
различные
элементамиинструменты
и тяжелыми для надежного
хвостами. анализа
Методы могутданных.
давать вводящие
в заблуждение результаты, если они
применяются к данным,
Для получения которые изначально
дополнительной информацииискажены, или если
о надежных
большая
Питер часть
методах
Дж. обратитесь к надежной
Хубер и Эльвезио статистике
М. Ронкетти (2009).
данных идентична по значению.
13
Альфа и факторы риска
Автор: Пэн Ван
В этой главе мы рассмотрим практику поиска альф с

исторической точки зрения. Мы рассмотрим несколько хорошо
изученных альфа-моделей и
заметим, что некоторые
Основываясь на работеиз них эволюционируют,
Марковица превращаясь в
(1952) об ожидаемой
“бета-версии
доходности и хедж-фондов”, или факторы риска.
отклонении доходности портфеля, Трейнор (1962), Шарп (1964),
Линт-
нер (1965) и Моссин (1966) в 1960-х годах разработали модель
ценообразования капитальных активов
Бета-версия
(CAPM). акций ожидаемая
Согласно CAPM, с ожидаемой доходностью
’
доходность * по - это
акции
безрисковой
вознаграждение ставке
инвестора на
Marketзаrрынке
рыночный
iisk premium риск акции:
С момента своего появления CAPM сталкивалась с проблемами

из-за своих ограничительных допущений
и несоответствия эмпирическим данным. Теория арбитражного
ценообразования
(APT), разработанная главным образом Россом (1976), не требует
строгих
допущений CAPM. APT утверждает, что на рынке с совершенной
Ожидаемая доходность
конкуренцией ожидаемаябез риска
доходность акции является линейной
функцией ее чувствительности к
’ бета
* акций
’премия за риск СС
множеству неопределенных факторов:
...........:
CAPM и APT обеспечили теоретическую основу для
анализа доходности акций и альфа-оценки. На практике факторы в
APT могут быть
сконструированы как портфели акций, и большинство из них
могут быть сконструированы
как портфели, нейтральные как к доллару, так и к бета-
нейтральному рынку. Каждый из
этих бета-нейтральных к доллару факторов может быть оценен как
способный к торговле альфа-фактор.
В 1980-х годах сообщалось о нескольких важных факторах. Банц

(1981)
задокументировал фактор размера, который говорит о том, что
акции с малой капитализацией, как правило,
превосходят акции с большой капитализацией. Басу (1983), а
также Розенберг и др.
(1985) опубликовали различные формы фактора ценности,
включая отношение прибыли
к цене (E / P) и балансового капитала к рыночному капиталу (BE /
ME). Фама
и Френч (1992, 1993) проанализировали множество
документированных факторов, которые
могли бы объяснить доходность акций, и обобщили их в виде
трехфакторной модели Фама–Френча
; модель учитывает факторы рыночного риска, размера и
Трехфакторная модель Fama–French не положила конец поиску
стоимости.
факторов
Стоит упомянуть, что инвестиционные менеджеры, возможно,
.извлекли
Вместо этого,
выгодупараллельно
из с быстрым расширением индустрии
количественных
этих факторов еще до того, как ученые проанализировали их в
инвестиций, исследователи опубликовали гораздо больше
рамках теоретической
факторов; Fama
работы. Например, стоимостное инвестирование
и Френч попытались
пропагандировали включить некоторые
Бенджамин Грэм из них в пятифакторную
модель
и ДэвидFama–French
Додд в 1930-х(2015).
годах, задолго до того, как была
Помимо факторовсовременная
сформулирована рыночного риска, размератеория.
портфельная и стоимости,
В качестве
новая
другого примера можно привести фонд Магеллана с Коэффициент
модель добавила прибыльности и инвестиций. высокой
прибыльности
капитализацией в начале 1980-х годов, когда Питер Линч был
говорит о том, фонда
управляющим
Не всасываетсячто вакции
Фама сиболее
френчвысокой операционной
расширенной модели в кол-
рентабельностью,
(Siegel
бер из важных
et al. 2001).такие как высокая
факторов, таких как Моментум-эффекта, что
валовая
недавняяприбыль
победа- по отношению к активам, имеют более высокую
ожидаемую
стия, доходность.
как правило, Инвестиционный
превосходят последние неудачники (Jegadeesh
фактор
и titmanговорит
1993), о том, что при прочих равных условиях более
консервативное
ликвидность эффект,реинвестирование
что менее ликвидные акции имеют более
прибыли компании
высокую ожидаемую (т.доходность
е. выплата дивидендов и / или обратный
выкуп акций)
(Amihud
Эти и другие хорошо 1986;
и Мендельсон Pástorфакторы
изученные и Стамбериска
2003), и
сыграли
подразумевает
начисления более высокую
аномалия, котораяожидаемую
выше доходность
начислений в акций.
бухгалтерском
важную роль
учете,
в теориисвязанные с финансов. Любая альфа-версия, которую мы
и практике
ниже ожидаемой
обнаружим, можетдоходности (Слоун 1996).
непреднамеренно
усилить некоторые факторы риска, поскольку ожидается, что они
будут продолжать
определять значительную часть относительной доходности акций
в будущем.
Например, исходная альфа-версия, построенная на основе
настроений в новостях, может повлиять на моментальный
фактор, потому что авторы новостей приходят в восторг даже от
акций высокого курса
Альфа и факторы риска 97
если построение альфа-модели не включает никакой ценовой

информации,
наТрудно
основе сказать,
которой является
был построен исходный
ли каждый фактор
фактор импульса.
результатом
иррационального
поведения инвестора или вознаграждением за то, что он несет
некоторый систематический риск. Для практикующих
работников, возможно, более важно знать, сохранятся ли в
будущем надбавки за риск, связанные с этими факторами
. К сожалению, это также трудно
предсказать, но мы могли бы получить некоторые сведения из
гипотезы адаптивного рынка (AMH), которая была предложена
Эндрю Ло (2004) для
увязки финансовых теорий, основанных на гипотезе эффективного
рынка, с
поведенческой экономикой. AMH не рассматривает рынок как
находящийся в равном
равновесии. Вместо этого она пытается объяснить динамику
рынка эволюционными
процессами. В нем сравниваются возможности получения
прибыли на рынке с продуктами питания и
водой в местной экологии, за которые конкурируют различные
виды. Опираясь на
выводы из эволюционных процессов, AMH прогнозирует, что
В качестве примера на рисунке 13.1 показана долгосрочная
риски и
совокупная доходность
выгоды от рыночных возможностей вряд ли будут стабильными с
ценностного фактора. (Коэффициент рассчитывается путем
течением времени и
закрытия коротких позиций по нижним 30%
что инвестиционные стратегии могут усиливаться и ослабевать.
американских акций, ранжированных BE / ME, и покупки лучших
Возможности могут исчезать
30%, ранжированных
, а затем вновь появляться годы спустя. Гипотеза Ло
BE / ME. Ежемесячные серии отчетов были загружены с веб-сайта
подразумевает, что в конкурентной
Кеннета
среде наилучшие возможности, скорее всего, будут доступны
Френча, http://mba.tuck.dartmouth.edu/pages/faculty/ken .
лишь в течение короткого времени, прежде чем их найдут другие
french/data_library.html#Research.) Фактор получал
“животные”. На адаптивном
положительную прибыль
рынке широкая публикация этих факторов может изменить их
в долгосрочной перспективе,
В процессе нашего но иногда
исследования терпел большие
мы должны убытки, в
быть осведомлены
поведение
том
учетачисле после
о нескольких проблемах,
этих факторов риска: касающихся
в будущем, поскольку участники рынка будут действовать на
технологического
основе новой пузыря конца 1990-х годов и во время
• Как мы уже обсуждали, их коэффициенты Шарпа не могут быть
транслируемой
финансового
высокими, кризиса
информации.
учитывая, 2008 года. Другое
насколько
они хорошо известны. "Умные деньги" могут быстро
наблюдение заключается в том, что в годовом исчислении
накапливаться до тех пор, пока этот результат не станет менее
коэффициент Шарпа составлял 0,56 между 1950
привлекательным.
и 1989 годами, но только 0,11 между 1990 и 2017 годами; это
...........
может быть признаком того, что
широкая публикация фактора изменила его поведение.
300%
250%
200%
150%
100%
50%
0%
1950
1952
1954
1956
1958
1960
1962
1964
1966
1968
1970
1972
1974
1976
1978
1980
1982
1984
1986
1988
1990
1992
1994
1996
1998
2000
2002
2004
2006
2008
2010
2012
2014
2016
Рисунок 13.1 Долгосрочная совокупная доходность ценностного

фактора (1950-2017)
• Некоторые из этих факторов риска, такие как размер и

ликвидность,
дисбаланса требуют значительного
ликвидности между длинной и короткой сторонами
выражения фактора. Это нежелательно в реальной торговле, а
также вызывает озабоченность
с точки зрения управления рисками, поскольку было бы трудно
сбалансированно
• Эти факторы риска, ликвидировать
как правило,обе
приводят к более высокой
стороны,
Они могутособенно
волатильности в условиях
в расчете
испытывать рыночного
на размер доллара.
долгосрочные кризиса.
спады в результате
макроэкономических тенденций.
Более того, в отрасли наблюдается тенденция использовать
некоторые из этих
факторов риска в качестве альтернативных бета-продуктов, что
может увеличить их
волатильность
• Хорошо в будущем.
изученные факторыНариска
рисунке 13.2 применяются
широко показана длительная
просадка,ввызванная
многими
фирмами индустрии качественных инвестиций. Если
разворотом рынка в держатели
некоторые крупные 2009 году по отношению к коэффициенту
внезапно
импульса, рассчитанному
уменьшат долю своих активов, влияние на цену может быть
Френчем и его
достаточно командой.
высоким
, чтобы заставить других последовать их примеру и тем самым
усугубить убытки. Эта опасность
была наиболее ярко продемонстрирована в “количественном
кризисе” в августе 2007 г.
: популярные факторы риска quant понесли большие потери,
скорее всего, в
результате агрессивного сворачивания деятельности некоторых
крупных игроков (Khandani and Lo
2007). На рисунке 13.3 показана внезапная потеря
гипотетического количественного фактора
во время кризиса 2007 года. Фактор построен путем
объединения
факторов импульса и ценности. Серия ежедневных отчетов о
строительстве
Альфа
былаизагружена
факторы риска 99
с веб-сайта Френча, и комбинированный фактор
используется для достижения целевой волатильности в размере

10% в годовом исчислении. Способ избежать такого
вида катастрофического риска заключается в том, чтобы
отличаться от других и контролировать
подверженность общим
Поэтому, несмотря факторам
на то, риска. изученные рыночные
что эти хорошо
эффекты могут продолжать
приносить положительную прибыль в долгосрочной перспективе
(либо по рациональным причинам,
вознаграждающим за риск, либо по причинам иррационального
поведения инвесторов), мы склонны
называть
30%
их бета-вариантами хедж-фондов, или факторами риска,
а не альфа-вариантами в нашем
исследовательском
20%
процессе.
10%
0%
1 5 1 3 7 1 7
200801 20080520080720080920081120090120090320090520090720090920091120100
−10% 200803 20100320100
20100720100920101120110
20110
20110520110
201109201111
20120
201203201205
20120
201209201211
−20%
−30%
−40%
−50%
−60%
Рисунок 13.2 Совокупный доход от фактора импульса (2008-2012)
2%
0%
−2%
02-0709-07
апреля
16-07
апреля
23-07
апреля
30-07
апреля
апреля 04-Июнь-07
11-Июнь-07 02-Июль-07
18-Июнь-07 09-0716-07
25-Июнь-07 июля
23-07
июля
30июля
июля-07
−4% 07-Май-07
14-Май-07
21-май-07
28-Май-07 06 августа-07
13 августа-07
−6%
−8%
−10%
−12%
−14%
−16%
Рисунок 13.3 Кумулятивная доходность гипотетического

фактора во время количественного кризиса 2007 года
С исторической точки зрения, не существует четкого различия

между
альфами и бета-версиями хедж-фондов. Переход был частью
эволюционирующего
процесса адаптивного рынка. В эпоху CAPM любые рыночные
аномалии, такие как размер и стоимостные факторы, могли
рассматриваться как альфа-факторы.
После того, как
В процессе трехфакторная
новых модель Fama–French
альфа-исследований былавысокой
лучше избегать широко
принята, фактор импульса по-прежнему оставался альфой. Однако
нагрузки
в настоящее
факторов время
риска. Мы можем оценить силу альфа-фактора,
все больше “альф” эволюционировали, превратившись в бета-
нейтрализуя
версии хедж-фондов,
эти факторы. или
Наиболее факторы риска. способом является
распространенным
выполнение многомерной
регрессии альфа-портфеля по отношению к портфелям факторов
риска.
Хорошая альфа-версия, как правило, дает более высокий
коэффициент Шарпа после нейтрализации фактора риска
, даже несмотря на то, что в некоторых случаях ее доходность в
расчете на доллар может быть снижена.
В качестве примера в таблице 13.1 показано влияние
процесса нейтрализации этого фактора на гипотетическую альфа–
оценку, построенную на основе данных Bloomberg о соотношении
цены и объема
для 3000 акций, торгуемых в США. Альфа-портфель представляет
собой длинный–короткий портфель,
Подводя итог, можно сказать, что поиск альф - это постоянно
нейтральный по отношению к доллару, фиксированного размера,
развивающийся процесс на
на период с января
конкурентном рынке. С
2011 по декабрь 2016 года. До нейтрализации фактора исходная
годами некоторые альфы могут стать менее влиятельными. Из-за
альфа-валюта
связанных с этим рисковAMH,
Как и предсказывало разумно избегать
инновации высокой
- это нагрузки
ключ к на
выживанию.
имела среднюю доходность в годовом исчислении 16,8%
факторы риска в наших портфелях.
(относительно размера длинной стороны
альфа-валюты) и коэффициент
Таблица 13.1 Пример Шарпа
нейтрализации в годовом
фактора исчислении 1,55.
альфа
Мы выполнили нейтрализацию В годовом исчислении
В годовом исчислении
фактора Коэффициент
возврат волатильность Шарпа
с помощью трех
факторов риска
Оригинальная Barra USE3S
альфа-версия (американская
16.8% 10.9% модель1.55
риска
акционерного капитала):
Нейтрализованный импульса,
фактор импульса
13.3% размера
7.4% и стоимости.
1.79 После
каждой операции
Нейтрализованный коэффициент 14.4%
размера 8.1% 1.77
доходность на доллар
Нейтрализованный была14.6%
фактор ценностиниже, а коэффициент
8.1% Шарпа
1.81 - выше.
Коэффициент Шарпа был
Нейтрализованы все три фактора 13.4% 7.3% 1.84
самым высоким после одновременной нейтрализации трех
факторов.
14
Риски и просадки
Хаммад Кхан и Ребекка Леман
Поиск альф - это прежде всего отдача, а не риск. Все знают, что
такое
отдача, но что такое риск? Исследователи часто объединяют
различные типы
риска, которые требуют различных форм измерения и контроля.
По
правде говоря, набор потенциальных типов риска не ограничен.
На дальнем конце находятся
найтовская неопределенность и черные лебеди – риски, которые
априори неизвестны
, но могут быть рационализированы и переосмыслены постфактум.
Единственное конструктивное, что можно
сказать об этих рисках, - это то, что они существуют, и любая
попытка рационализировать их после того, как они произошли,
является
тщетным занятием. Чрезмерно сложные модели риска могут
содержать эпициклы за эпициклами-
Многие альфа-компании подвержены воздействию внешних
периоды, которые предназначены для смягчения последствий
факторов, которые не
последнего события "черного лебедя", но
связаны с их источником прибыли, таких как поведение данной
ничего не сделают для следующего, кроме как сделают модели
отрасли
более хрупкими. Немного
или рынка в целом. Другие факторы риска включают альфа–
ближе к дому находятся специфические для активов и
стратегии, которые
операционные риски, которые практикующий
в значительной степени были отменены арбитражем, но по-
специалист может и должен принимать во внимание, но не
прежнему высоко котируются и подвержены
поддаются широкому
периодам импульса и ликвидации, таким как факторы Fama-
рассмотрению. В этой главе основное внимание будет уделено
French
ближнему концу спектра рисков –
и Barra. Эти факторы представляют собой внешний риск для
наиболее четко определенным и часто рассматриваемым типам,
alpha,
которые могут быть
который может быть частично или полностью нейтрализован без
в широком смысле классифицированы как внешние и внутренние
ущерба для
риски.
производительности. Одним из особых типов внешней опасности
является событийный риск, когда
редакциейобычные факторы,
Игоря Тульчинского и др.влияющие
и на работу альфы, временно
перевешиваются
каким-либо внешним фактором, таким как внезапное объявление
новостей, которое
можно предвидеть, а можно и не предвидеть. Но даже после
нейтрализации всех известных
102
внешних факторов альфа-банк по-прежнему содержит Поиск Альф
свой
собственный внутренний риск, и это
то, что в конечном
внутренний итоге устранить,
риск нельзя определяетего егоможно
доходность,
и нужно предполагая
оценивать
ограничения
и на арбитраж. Хотя
контролировать. Различные показатели внутреннего риска, такие
как волатильность, стоимость,
подверженная риску, и ожидаемые остаточные убытки, могут
быть использованы для выбора соответствующего
уровня кредитного плеча или распределения капитала для
каждой альфы. Одним из видов внутреннего риска, который
особенно сложно оценить, является риск просадки.
Для
многих инвесторов просадки являются критическими – возможно,
даже более важными
, чем историческая волатильность, – поскольку чрезмерные
просадки представляют риск для
ОЦЕНКА
продолжения РИСКОВ
деятельности их фирм. Просадки особенно трудно
оценить эмпирически, поскольку они нелинейны и с большей
Позиционные
вероятностью будут показатели
Самые простые
превышены в выборке, и, возможно, наиболее
чем другие надежные
показатели оценки
риска, риска
такие как
для альфа-банка
волатильность и стоимость,
основаны
подверженная на его текущих
риску. позициях.
Однако Ихпрактической
из-за их легко вычислить, и они не
важности
основаны
стоит обсудить на каких-либо предположениях о будущем поведении
альфы,
некоторые но они, как их
методы правило,
прогнозирования и контроля.
хрупки и измеряют только экстремальный риск. Внешние риски,
связанные
с концентрацией в конкретной ценной бумаге, группе
коррелированных
ценных бумаг или факторных квантилях, могут быть измерены
Риск, связанный
концентрациями с фактором, заданным в форме альфа-вектора
позиций
,. может
Чрезмерная быть оценен по ортогональной
концентрация проекции
- это риск, так альфа-вектора
как альфа может на
этот
ожидать серьезных
вектор.
потерь, Если ожидается,
если ее что новостноедоходности
прогноз относительно событие повлияет на
определенный набор инструментов,
высококонцентрированной позиции окажется неверным.
риск события может быть измерен как подверженность этим
...........
инструментам.
Другой основанный на позициях подход к факторному риску
заключается
Внутренняяв стоимость
проведении регрессии
риска для данного набора позицийp - это
исторической
просто
потеря доходности
процентиля данных позиций
в распределении по сравнению
доходности с
для данного
исторической
набора p позиций доходностью
5% или 10%), и ожидаемая потеря хвоста является
факторов.
(обычно
при условии,Бета-коэффициенты,
средней
что онапотерей, или факторные
нижеpпроцентиля. Можнонагрузки,
рассчитать
определяют риск,
величину риска для каждой отдельной позиции (без каких-либо
связанный
предположений с этими позициями.
программы
Риск и просадки 103
о корреляции между позициями) и всего портфеля

(подразумевается, что структура корреляции
инструментов стабильна).
Исторические показатели, основанные на PnL

Более плавную оценку риска часто можно получить, рассматривая
показатели исторических позиций альфа-банка, а не только его
текущий набор
позиций. Это делает предположение о том, что позиции альфы
адаптированы к текущим условиям. Поскольку исторические
серии PnL
изменяются с течением времени очень медленно, эти показатели
являются более плавными, и их
легче контролировать, не вызывая чрезмерного оттока, но они
могут быть
медленными для выявления изменений в профиле риска альфа-
банка или окружающей среде. Одним из способов
Хотя его общая
выявления внешних производительность в выборке может
рисков является рассмотрение концентрации
показаться вполне разумной
НЛП в определенных
,секторах.
производительность этой альфа-версии
Даже если позиции, по-видимому, может быстро
не сконцентрированы,
ухудшиться,
если НЛП если произойдет
изменение
сильно режима в любом
сконцентрирована из двух ключевых
в определенных секторов.
секторах, Более
другие
надежная
секторы неальфа-система
вносят должна
равномерно распределять свои
вклада в диверсификацию alpha.показатели по как можно
Смотрите рисунок 14.1 в
большему количеству
качестве примера. секторов (и
0.4 5
ценных бумаг внутри этих секторов), насколько это возможно,
если
0.3 только нет веской
Средняя годоваяпричины
прибыль Коэффициент Шарпа 4
не
0.2
делать этого. Если природа данных или идеи такова, что
3 этого
можно ожидать 2
0.1
1
0
0
−0.1
−1
−0.2 −2
Энергия основные продукты Служебные

Материалы услуги
Промышленные ПотребительскиеФинансовыетехнологии
Потребительские
предприятия показатели
ЗдравоохранениеИнформация
дискреционные
Телекоммуникации
Рисунок 14.1 Пример альфа-рынка акций, показатели которого в

первую
только
очередь
от секторов
зависят энергетики и информационных технологий
программы
0.18 3
0.16 Средняя доходность в годовомКоэффициент
исчислении Шарпа
0.14 2.5
0.12 2
0.1
1.5
0.08
0.06 1
0.04
0.02 0.5
0 0
y
Энергия основные продукты Служебные

Материалы услуги
Промышленность
Потребитель
Потребитель Финансовые показатели
технология
Информация
Здравоохранение
по своему усмотрению
Телекоммуникационные
Рисунок 14.2 Пример альфа-рынка акций, показатели которого

разумно распределены по всем секторам
для работы только с несколькими секторами, как правило, лучше

ограничить альфа-версию
этими секторами заранее, до ее тестирования, и контролировать
высокий риск альфа-версии, вводя ограничения на размер в
соответствии с количеством
инструментов. Придавать вес группам инструментов, которые не
обеспечивают
Рисунок 14.2 показывает разумное целевое распределение.
стабильной доходности,
Достижение идеального - это пустая трата капитала, но
выбрасывать
паритета их после
между того, нереально, но в этом случае альфа-
секторами
как вы увидели
показатель их эффективность,
является
Аналогично, значительно
исследователь повышает
должен рискраспределение
проверить предвзятого
отношения к выжившим.
положительным для всех секторов.
альфа-
активности относительно экстремальных альфа-значений.
Простой способ проверить это -
разделить альфа-значения на квинтили и найти среднее значение
(и стандартное
отклонение) или доходность, полученную от каждого квинтиля. В
идеальной альфа-модели
На практике (рис.получают почти всю свою
многие альфы
, 14.3) верхний квинтиль
производительность от (очень положительные значения альфа-
функции,
только если альфа
верхнего сосредоточена
или нижнего квинтиля, а квинтили 2-4 - это
около
просто 0)шум,
дает такие
Поскольку очень альфы
положительную будущую прогностической
обладают хорошей доходность, а
нижний квинтиль
как показано на
способностью рисунке
только 14.4.
в конечных случаях,
(очень отрицательные
фактический диапазонзначения альфа-функции)
производительности дает очень
снижается и шансы на
отрицательную будущую доходность.
просадку
возрастают, если конечная информация ухудшится в будущем.
Поскольку в центральных квинтилях таких альфа-индексов
нет информации, имеет смысл
исключить те инструменты, где абсолютное значение ниже
некоторого шумового
порога. Однако, поскольку результатом является альфа-версия,
которая торгуется с меньшей
Риски и просадки 105
0,4 5
Среднюю доходность в годовом
исчисленииШарпа
4
0,3 3
0,2 2
0,1 1
0
Q4 Q5
0 −1
Q1 Q2 Q3
−0.1 −2
−3
−0.2
−4
−0.3 −5
Рисунок 14.3 Желаемое квинтильное распределение альфа-

сигнала
0.4 5
4
0.3 Средняя годовая доходность Коэффициент Шарпа
3
0.2 2
0.1 1
0
0 Q5
−1
Q1 Q2 Q3
−0.1 Q4 −2
−3
−0.2
−4
−0.3 −5
Рисунок 14.4 Квинтильное распределение, в котором только хвосты

альфа-сигнала обладают
предсказательной силой
по количеству инструментов мы можем ожидать, что в случае

шока по одному инструменту он будет иметь более высокую
волатильность и более
В других случаях низкую
(как на рис. 14.5) самые сильные значения
надежность,
хвоста не чем идеальный.
работают. Низкая прогностическая способность самых сильных
сигналов подразумевает, что
альфа-сигнал может
НЛП на основе быть ненадежным.
фактора Исследователю,
может быть оценена вероятно,
путем изучения
следует продолжить изучение
распределения-
альфы и либо за
ной прибыли уточнить
фактор гипотезу,
квантилейлибо
или отбросить ее.
регресс фактический
историче-
ские возвращает Альфа против исторической доходности
выбранному риск -
факторов. Внутренний риск альфа-банка также может быть
измерен как годовая
волатильность, величина риска или максимальная просадка
фактического исторического
ряда PnL, а не текущей позиции. Важно учитывать
0.4 5
0.3 Средняя годовая доходность Коэффициент Шарпа

4
0.2 3
0.1 2
Q4 Q5 1
0
Q2 0
−0.1
Q1 Q3 −1
−0.2
−2
−0.3
−3
−0.4 −4
−0.5 −5
Рисунок 14.5 Ненадежный альфа-сигнал
временные масштабы, на которых измеряются как внешние, так и

внутренние показатели риска
. Более узкое окно или коэффициент более быстрого распада
делает
показатель риска более чувствительным к изменениям режима за
счет исторической
памяти. Также важно учитывать временную структуру альфа-
сигнала
при выборе этих параметров. Если альфа-игрок
быстро меняет свои позиции, то, скорее всего, он также быстро
меняет свои риски, поэтому имеет смысл использовать
ограниченное временное окно для
гребцов. Если альфа имеет естественную периодичность
(например, сезонность для альфа-индекса сельскохозяйственных
ПРОСАДКИ
товаров), показатели риска
для долей этого периода будут иметь тенденцию к зашумлению,
Просадка
поэтому все - это процентное
окна должны снижение альфа-значения по
сравнению
быть кратны с периоду.
его предыдущим высоким
Как правило, целесообразно комбинировать
значением.
оценки Например, если альфа-компания с момента создания
принесла 20% прибыли,
на более коротких и более длительных временных горизонтах для
а затем в ближайшие
дополнительной надежностинесколько
и в дней (или недель) снизилась до
качестве
18% прибыли,
Инвесторам,
гарантии как правило,
на случай нарушенияприходится беспокоиться
базовой временной о двух
структуры
просадка измеряется
особенностях
альфа-сигнала. как 2%. Поскольку ни один альфа не
просадок:
зарабатывает
• Самая большая деньги каждый
просадка, которую альфа имела за всю свою
день, у
историю каждого
(и за альфы бывают просадки.
каждый год своей истории).
• Продолжительность самой длительной просадки.
Чрезмерно резкое или длительное сокращение может

обанкротить отдельного
инвестора или привести к оттоку капитала из фонда, поэтому
оченьПриважноисследовании результатов обратного тестирования
контролировать
просадки сокращение.
альфа–банка должны
измеряться в зависимости от его других характеристик -
например, его годовой
доходности и коэффициента информативности. Годовая
доходность должна перевешивать
просадки. Иногда у надежной в остальном альфа-компании
происходит внезапная
резкая просадка, а затем она возвращается к своим прежним
стабильным показателям.
В других случаях просадки состоят из медленных и устойчивых
отрицательных показателей
в течение многих дней, прежде чем альфа-индикатор снова начнет
работать.
Конечно, когда производительность
К сожалению, становится
из-за того, что они редки, отрицательной
просадки в
также легко
реальном
чрезмерны альфа-развертывании или
тестировании
. Легко “сразиться вне выборки, невозможно
в последней битве” и узнать в режиме
придумать умную идею,
реального
которая времени, полностью ли перестала работать
альфа-версия
предотвратилаили бы просто
большую произошло
просадку,временное
наблюдаемуюснижение,
при
от которого она должна
бэктестировании, быстро восстановиться. Следовательно,
но не сделала
важно
ничего, измерить
чтобы предотвратитьPnLследующую просадку взагрузка
реальной
1. Измерьте автокорреляции альфы. Начальная
глубину
торговле. и Одной
продолжительность
из полезных исторических просадок в период
тактик
имеет смысл, когда существует только конечный набор
выборки
для измерения риска просадки является самонастройка. Она
значимых автоматических
.работает
Это даетследующим
нам эталон,образом:
по которому мы можем измерять
2. корреляций.
Создайте 1000 синтетических 10-летних
эффективность как на основе выборки, так PNL, случайным
и в реальной торговле.
образом
фрагменты выбрав PNL равной периодам автокорреляции (с
длиной,
...........,
заменой).
3. Постройте график распределения максимальных просадок
синтетических
90-й процентиль PNL.- это начальная просадка.
Начальная загрузка полезна тем, что, хотя легко рассказать

правдоподобную
историю о конкретных рыночных условиях, вызвавших просадку,
и просто перестроиться, чтобы снизить риск в этих условиях,
гораздо сложнее
перестроить всю структуру распределения прибыли и
автокорреляции. Если
реализованная просадка уменьшается, а начальная просадка
нет, риск не контролировался, а только маскировался. Если
начальная
просадка контролируется, безопаснее полагать, что базовое
распределение
, но не приведет к чрезмерным просадкам.

КОНТРОЛЬ РИСКОВ
Диверсифицируйте, когда это возможно,

поскольку разные инструменты подвержены разным типам риска
и
волатильность измеряется как квадратный корень из числа
независимых переменных
, внешние и внутренние риски альфа-банка или портфеля, как
правило, могут быть
снижены диверсификацией, пока концентрация позиций
находится под контролем. Например, альфа-индексы, построенные
только на FTSE
100, имеют более низкую диверсификацию, чем альфа-индексы,
построенные на всем наборе
акций Великобритании и Европы. Диверсификация может
включать в себя новые инструменты-
ния, новых регионов или секторов, и новые классы активов. Чем
ниже
корреляции между инструментами, тем лучше риск приближается
к
идеальной центральной предельной теореме. Однако
диверсификация имеет пределы
Снижение внешних
. Если инструменты рисковразнообразны, волатильность может
слишком
Внешние
быть слишкомриски можно контролировать путем нейтрализации или
хеджирования. Жесткая
неоднородной, чтобы позволить всем инструментам вносить
нейтрализация
значимый вкладзаключается в сведении данного риска к нулю. В
случае
без риска чрезмерной концентрации, или инструменты могут
концентрации
просто позиций этого можно легко достичь (при условии
отсутствия ограничений
вести себя слишком на короткие
по-разному, чтобыпозиции) путем
одни и те вычитания
же альфа-идеи
группового среднего
были актуальны. из того,
Более
отдельных позиций, ортогонализации
по мере расширения вектора
базового набора могут позиции
вступать к
в игру другие
вектору
риски, фактора или путем вычитания бета, умноженного на
коэффициент. Нейтральные
такие как страновые по отношению
и валютные к доллару или
риски, политический риск и риск
отрасли
контрагентапозиции достигаются путем жесткой нейтрализации.
Хеджирование
Мягкая
. Эти состоит
риски следует из использования
учитывать и смягчать. одного инструмента
или набора инструментов в качестве
нейтрализация заключается в ограничении подверженности
хеджирования
данному риску от риска,
либо путемсвязанного с другими инструментами или
наборами
вычитанияинструментов
части подверженности, либо путем использования
.метода
Например, можно хеджировать рыночную бета-версию портфеля
ограниченной
акций
оптимизации для создания позиций.
lio с помощью фьючерсов на S &P 500 или биржевых фондов, или
валютный риск
глобального портфеля облигаций с помощью валютных спотов или
фьючерсов. Результирующий
контроль рисков не идеален, поскольку хеджирование
несовершенно коррелирует с
базовым риском, но он часто полезен в случаях, когда требуется
непрактично, например, когда открытие коротких позиций

невозможно или чрезмерно дорого,
или риск является риском краткосрочного события, а
хеджирование более ликвидно, чем
базовый портфель.
Снижение внутренних рисков
Внутренние риски, а также внешние риски, которые остаются
после мягкой
трализации или хеджирования, следует контролировать с
помощью динамического определения позиции
. Большинство альфа-трейдеров выигрывают от широких
ограничений на волатильность, стоимость, подверженную риску,
ожидаемый убыток в хвосте и концентрацию позиций. Когда риск
возрастает,
размер книги следует уменьшить, чтобы альфа-банк не рисковал
всеми своими
долгосрочными PnL всего в несколько дней с высоким риском.
Альфа-компании с широким бета-или
включением / безрисковым поведением могут также использовать
другие соответствующие показатели, такие как
индекс волатильности CBOE, приток средств в активы,
включающие / безрисковые активы, или всплески
собственных значений корреляции, в качестве сигналов для
изменения своей склонности к риску, чтобы
соответствовать текущим рыночным условиям. Ни один отдельный
показатель риска не отражает всю
сложность профиля риска, поэтому полезно объединить несколько
Просто уходите
соответствующих
Не
показателей иможно
все риски измерить
использовать или контролировать.
наиболее ЕслиАльфа-
консервативный. базовое
допущение-
компании, которые очень
ний Альфа-видимому,
уязвимы к определенным подвергаются
событийным опасности
рискам, разрушения, Альфа
о которых можно
может-
знать заранее (
не разумнозаседания
например, ожидать, чтобы среагировать.
центрального банка иПримерами
объявления таких
цифр),
случаев
должны являются
новостные события,
сократить или такие
закрыть своикак экстремальные
позиции стихийные
до события или бедствия
(выходящие за рамки
застраховаться с помощьютого, что альфа
могла бы увидеть инструментов,
более ликвидных в период своего бэктестинга,
если еслисократить
они не могут только альфа
их
не является
вовремя. альфой, значения
Пороговые основанной на новостях или
стоп-
настроениях, которая,также
лосса и тейк-профита как можно
можно ожидать, воспользуется
рассматривать этим
как примеры
событием),
очень внезапные
изменения в структуре
краткосрочных корреляции
ограничений базовых
на размер активов
позиции, (такие
которые
как привязка
сокращают или понижение
позиции после того,курса
как валюты)
сделка или свидетельства
кредитного риска контрагента
достигла ожидаемого (при условии,
уровня риска, что альфачрезмерные
и предотвращают ранее
принимала
просадки. своих контрагентов
как должное) - но наиболее важные случаи - это те, которых никто
не ожидал. Ответственность инвестора заключается в том, чтобы
внимательно относиться к
способам отказа альфа-активов и не торговать ими, когда они
, вероятно, идут на непредвиденные риски.
Хотя не все риски поддаются определению, некоторые

распространенные внешние и внутренние
риски заслуживают измерения и контроля.
Графики производительности в выборке и сводная статистика
раскрывают только часть истории. Анализ
воздействия известных альфа-факторов, концентраций позиций и
PnL, а также распределения просадок может помочь
исследователям понять
источники риска, которым они подвергаются, снизить их, где это
уместно, и
безопасно оценить их.
15
Алфавиты из
автоматического поиска
Автор: Ю Хуан и Варат Интарапрасонк
“Перемены - единственная константа в жизни”, - писал греческий

философ Ираклий
тус около 2500 лет назад. Его слова особенно актуальны для
сегодняшних
Мы живем вфинансовых рынков.
эпоху информационного взрыва. С
экспоненциальным
ростом новых источников данных становится непрактичным
проверять все данные
вручную. Чтобы решить эту проблему, можно использовать
компьютерные алгоритмы,
облегчающие поиск альфа-сигналов в огромном облаке данных.
Этот
автоматизированный метод, называемый автоматическим альфа-
поиском, может значительно
повысить эффективность поиска сигналов, выдавая тысячи
альфа-сигналов за один день. За это приходится платить: не все
найденные сигналы
являются настоящими альфа-сигналами. Многие из, казалось бы,
замечательных альфа-сигналов, обнаруженных с помощью
ЭФФЕКТИВНОСТЬ И МАСШТАБ
автоматического поиска, являются шумом, подогнанным под
исторические данные в выборке, и
Основной целью автоматического поиска является нахождение
не обладают прогностической силой. Таким образом, фокус
большого количества
любого автоматического альфа-поиска
альфа-сигналов из экспоненциально большего числа комбинаций
заключается в том, чтобы избежать переоснащения для
входных данных и функций. Эти комбинации также могут быть
улучшения качества выходного сигнала. В этой
рекурсивными; комбинации комбинаций могут генерировать
главе рассматривается процесс создания автоматизированной
новые альфа-сигналы.
системы альфа-поиска.
Такая сложность
делает эффективность одной из главных задач в
автоматизированном
поиске. В этой главе представлены проблемы, характерные только
для
Поиск альф: автоматического
редакциейальфа-поиска,
Игоря Тульчинскогопроцесс
и др. и поиска разбит на
компоненты, центра WorldQuant.
аналогичные компонентам ручного альфа-поиска, и
показано, как
поиск эффективности определяет различные методы лечения в
каждой области.
Автоматический поиск подвержен трем проблемам,

возникающим из-за его
большого масштаба: вычислительная нагрузка, невозможность
вручную проверить каждый
компонент и более низкая достоверность каждого альфа-кода.
Автоматический поиск
обычно включает в себя объединение различных данных с
различными функциями путем
проб и ошибок. В результате обычно
требуется высокий уровень вычислительной мощности.
Оптимизация, которая сокращает использование памяти и
повышает
скорость, может привести к нахождению большего количества и
более качественных альфа-символов. Большое количество
комбинаций также означает, что невозможно проверить каждую
из
полученных формул вручную. Даже если кто-то хочет исследовать
выборку
вручную, альфа-выражение может быть очень сложным и не иметь
Чтобы решить эти три проблемы, исследователи могут
очевидной финансовой значимости. Более того, огромное
исследовать три
количество испытаний
основных компонента любого альфа-поиска (ручного или
означает, что комбинации, которые не имеют никакого
автоматизированного): входные
математического
данные, алгоритм поиска и тестирование сигнала (см. рисунок
и экономического смысла, часто ошибочно признаются альфами
15.1). Входные данные
из-за
- это значимые
Ввод финансовые
Испытание переменные,
Выводите такие как цена, прибыль
предвзятого
данных
отношения
функции
к выживаемости.
буквы Хороший процесс поиска
и новости.
должен отклонять такой шум от
выходныхX1
данныхf1или – что еще лучше – должен предотвращать
его возникновение в первую очередь.
Y = f1(X1, X2)
Наконец, невозможность проверить каждую отдельную альфу
X2 f2
снижает уверенность Y = f2(X2)
Сигнал
исследователя в каждой альфе по сравнению с еготестирование
… уверенностью в
альфах, сделанных …
... вручную. Следовательно, для
XN
автоматического поиска для поддержания качества альфа-
Y = f (f2(X1), X3)
символов требуются новые виды 1тестирования.
Y fM
Алгоритм поиска
Рисунок 15.1 Автоматизированный процесс поиска
Алфавиты из автоматического поиска 113
Целью любого поиска сигналов является использование этих

данных для прогнозирования целевой функции
Y, которая может представлять собой будущую доходность акций
или их варианты. Чтобы найти
взаимосвязь между входными данными и целевой функцией,
используется алгоритм подбора
для определения параметров предварительно выбранного
семейства
пробных
ВХОДНЫЕ функций
ДАННЫЕf (простейшим примером
НЕ ДОЛЖНЫ являются ИЗ
ПОСТУПАТЬ линейные
функции). Как только
СЛИШКОМ БОЛЬШОГО ЧИСЛА
альфа найдена, она проверяется на надежность.
КАТЕГОРИЙ
Ввод слишком большого количества входных переменных в
алгоритм подбора приведет
к лучшей подгонке по выборке, но обычно приводит к ухудшению
прогностической способности
из-за переобучения. Помимо этого, одной из часто упускаемых из
виду проблем является
количество категорий данных. Здесь категория относится к типу и
источнику данных. Некоторые часто исследуемые категории
включают, но
не ограничиваются ими, объем цен, рейтинги аналитиков,
фундаментальные данные, новости
и инсайдерскую торговлю. Попытка учесть слишком много
переменных,
вероятно, приведет к искаженному результату, но подгонка
переменных из многих различных
категорий часто оказывается хуже. Данные из каждой категории
имеют свою собственную
ВХОДНЫЕ ДАННЫЕ И БЕЗРАЗМЕРНЫЕ КОЭФФИЦИЕНТЫ
характерную частоту. Например, фундаментальные данные
обычно демонстрируют
Хорошие показатели доходности акций должны быть однородными
четкие квартальные циклы, данные о соотношении цен и объемов,
и сопоставимыми
как правило, единообразны, а
для разных акций. В результате необработанные финансовые
заявки на инсайдерскую торговлю обычно распределены
данные, такие как цена и прибыль,
случайным образом. Если модель содержит
как правило, не являются хорошими предикторами, поскольку они
данные из многих различных категорий, она, как правило, более
несопоставимы для разных акций.
сложна
Например, величина прибыли не является
и более восприимчива к шуму в данных.
сопоставимой в разрезе секторов, но прибыль, разделенная на
выручку, сопоставима.
Причина в том, что прибыль в долларах зависит от размера
компании. Более крупные
компании обычно имеют более высокий доход в долларах, но
более крупные компании
не обязательно имеют более высокую доходность акций.
Аналогичным образом, прибыль на акцию
зависит от размера акции, поэтому они также несопоставимы по
акциям.
Однако прибыль, разделенная на выручку, показывает норму
прибыли в
процентах,
114 поэтому их можно сравнить по разным акциям.
Нахождение
буквенных
Соотношения переменных в одной и той же категории, которые
измеряются в
одних и тех же единицах, как правило, являются сопоставимыми
показателями. Другой метод заключается в
сравнении текущего значения данного бита данных с его
историческим значением.
Например, текущая цена, деленная на среднюю цену за
прошедший квартал, является безразмерной переменной, которую
можно сравнивать по разным акциям.
Обратите внимание, что некоторые широко используемые
коэффициенты могут не подходить для
автоматического поиска. Например, известный показатель P / E
(цена
Этиакции,
методыделенная
получения сопоставимых переменных необходимы в
на прибыль на акцию)
автоматическом поискенеиз-за
подходит для автоматического
неспособности поиска,
исследователя
поскольку
проверить каждую
соотношение может
альфу. С помощью отличаться,
только если значение
сопоставимые прибыли
переменные близко к
в качестве
нулю. Соотношение E / P
входных данных для поиска про-
было бы более
сесс, можно подходящим,
уменьшить поскольку
количество цена никогдаформул,
бессмысленных не бывает
близка
создан- к нулю. Аналогично,
текущая прибыль,
ные в системе деленнаяцена
– например, на прибыль предыдущего
за вычетом объема. Этопериода,
также
уменьшает
может отличаться.
вычислительную нагрузку за счет сокращения нерелевантных
частей пространства
НЕНУЖНОЕ поиска и
ПРОСТРАНСТВО ДЛЯ ПОИСКА
повышает достоверность альфа-значений, поскольку альфа-
значения имеют
При ручном более высокую
альфа-поиске можетвероятность
оказаться возможным
придания
установитьим экономического
небольшое и математического смысла.
параметров и пробных функций с помощью исчерпывающего
поиска, поскольку пространство для ручного
поиска невелико. Это невозможно при автоматическом альфа-
поиске;
вычислительные ресурсы,
Один из возможных необходимые
способов - отсеятьдля обследования
комбинации всегои
функций
пространства, на практике были бы
данных
слишком
, которые велики.
не имеютПоэтому важно
смысла. максимально
Например, сузить как log,
такие функции,
пространство поиска.
которые не могут
принимать отрицательное входное значение, не должны
сопоставляться с возвратом акций.
Человеческие знания могут быть использованы для выявления и
отбрасывания некоторых менее полезных
входных данных. Например, если целью поиска является
нахождение краткосрочных
сигналов, изменение в медленно изменяющихся данных, таких как
отраслевая классификация
, может быть исключено из пространства поиска. Изучение охвата
во
времени (как часто данные меняются или становятся
недоступными) и
возраста покрытия по акциям (по скольким акциям данные
доступны в данный
момент времени)
Алфавиты также может
из автоматического помочь
поиска 115 отсеять менее полезные
данные. И, наконец, итеративный поиск
использует начальный поиск по грубой сетке в пространстве
параметров, чтобы
найти область с возможными алфавитами, а затем размещает
более мелкую сетку
вокруг области. Например, в первом раунде итеративного поиска
формула импульса может быть подогнана как к двум месяцам
, так и к шести месяцам. Если двухмесячный период работает
лучше, в следующем раунде можно использовать периоды в один и
три
месяца. Такой метод разбивает
процесс на более мелкие и быстрые этапы. Это также дает
промежуточные
результаты,
ПРОМЕЖУТОЧНЫЕкоторые могут быть использованы для развития
ПЕРЕМЕННЫЕ
процесса поиска "на лету". Итеративный
поиск также альфа-поиска
Выполнение может быть применен
вручную кчасто
пробным функциям
показывает, чтопутем
промежуточная
поиска функций
, которые дают
переменная, включающая
хорошие результаты.
простую функцию из более чем одной
части базовых
входных данных, может создать сильную альфа-версию. Одним из
примеров является вышеупомянутое
соотношение P / E, которое представляет собой совокупность
данных о цене и доходах.
Автоматический поиск также может найти такие полезные
промежуточные переменные,
которые появляются во многих алфавитах. Можно уменьшить
вычислительную
нагрузку, если поисковая система сможет записывать эти
переменные
МОРЯ АЛЬФ, и повторно использоватьАЛЬФЫ
А НЕ ОДИНОЧНЫЕ их в
других поисковых системах. Аналогично, комбинации пробных
функций могутк входным данным может быть оптимизирован сам
В дополнение
быть записаны
алгоритм поиска.и использованы повторно. Это повторное
использование распространенных
В отличие от ручного альфа-поиска, промежуточных переменных
при котором цель обычно
является
состоит в одной из основ
том, чтобы генетических
найти единственноалгоритмов (GAs), полное
обсуждение
наилучшую альфа-версию в небольшом пространстве параметров,
которой выходитпоиск
автоматический за рамки
ищетэтой главы.
несколько хороших альфа-версий в большом пространстве поиска.
Следовательно, алгоритм
не должен пытаться найти глобальный оптимум в пространстве
поиска, а должен найти
как можно больше локальных оптимумов на как можно большей
площади. Способность находить
разнообразный набор альфа-символов зависит не только от
алгоритма поиска, но и от
того, как определено пространство поиска. Как упоминалось
ранее, исследователь должен
заранее отфильтровывать иррациональные комбинации функций и
данных, чтобы
использовать только разумные области поиска. Далее, записывая
наиболее
116 Поиск альфа-
продуктивные области поиска, исследователь может
сигналов
сконцентрироваться на следующем поиске
исследуйте такие области, чтобы найти больше альфа-сигналов и
повысить достоверность, или избегайте
таких областей для поиска других неоткрытых сигналов.
Способность находить различные
альфа-символы в пространстве поиска является одним из
показателей того, насколько хорошо построены
алгоритм
ПРОСТЫЕ поиска
БУКВЫи пространство поиска.
Поскольку автоматический поиск может выдавать большое

количество альфа-символов, у
исследователя может возникнуть соблазн продолжать
увеличивать сложность
функционального пространства, чтобы получить больше альфа-
символов. Поскольку хорошие альфы обычно
просты, этот основанный на глубине подход к созданию сложных
альф склонен
к генерации большого количества шумовых функций, которые
выглядят как альфы в выборке,
но плохо работают вне выборки. Следовательно, исследователь
должен ограничить
глубину поиска и больше ПЕРИОДЫ
БОЛЕЕ ДЛИТЕЛЬНЫЕ сосредоточиться на подходе, основанном
РЕТРОСПЕКТИВНОГО
на широте,
ТЕСТИРОВАНИЯ
расширив
Увеличениепространство поиска – входные
периода ретроспективного данные и пробные
тестирования увеличивает
функции.
доступное количество
Количество
точек данныхнайденных альф,
и повышает как правило, будет
статистическую расти результата,
значимость медленнее,
но
но только
качество должно
при условии, быть значительно
что динамика, лежащаявыше.
в основе данных, одинакова.
Это не всегда верно для финансовых рынков. Участники рынка и
их поведение быстро меняются и, в свою очередь, меняют
динамику финансового рынка
. Следовательно, это компромисс при выборе длины
входных
При ручном данных: если обычно
поиске период слишком короткий, будет
имеется представление меньше
о том, какая
данных
рыночная и меньше уверенности
динамика в результате,
фиксируется нокак
и как долго, если период она
ожидается,
слишком
сохранится. длинный, изменяющаяся лежащая в основе
динамика может сделать результат менее надежным.
.............,
Автоматизированной системе не хватает этого преимущества,
поэтому можно рассмотреть
количественные методы для определения того, когда период
обратного тестирования слишком
длинный, такие как разделение обратного тестирования и
проверка согласованности по
периодам. Ценой незначительного увеличения вычислительной
сложности
может оказаться возможным динамически обновлять
определенные параметры внутри
алфавитных обозначений, а не подгонять их как часть поиска,
чтобы более длительный
период обратного тестирования оставался актуальным.
Алфавиты из автоматического поиска 117
Другой проблемой, связанной с более длительным периодом

обратного тестирования, особенно при
крупномасштабном поиске, является более высокая
вычислительная нагрузка. При итеративном
поиске инкрементный период тестирования является полезным
приемом, позволяющим воспользоваться более длительным
периодом тестирования без использования чрезмерных ресурсов.
Например, первый раунд поиска начинается с периода обратного

от даты M до даты N. В следующем раунде, проходящем по более
тонкой сетке
меньшего пространства поиска, используется период от M от-0,5
года до N+0,5 года. В
третьем раунде используется период от M−1 год до N+1 год и так
далее.
Таким образом, первые раунды, где ожидается только
предварительный результат,
АЛЬФА-ПАКЕТ, а не ОДИНОЧНОЕ АЛЬФА-ИСПОЛНЕНИЕ
выполняются намного быстрее, в то время как более поздние
раунды, где происходит тонкая настройка
В исследованиях на людях каждая альфа-версия обычно
, используют больше точек данных для большей надежности.
подкрепляется экономическими или
Продление периода обратного
финансовыми соображениями; качество альфа-версий в
тестирования на каждый последующий раунд также добавляет
значительной степени зависит от надежности
квази-тест вне выборки
подбора параметров, которые независимы от одной альфа-версии
в каждом раунде, позволяя нам измерить выход и получить
к
уверенность в альфа-показателях, если выход высокий, или
другой. Следовательно, достоверность каждого ручного альфа-
прервать поиск, если выход
сигнала может быть
низкий и вызывает беспокойство предвзятость выживших.
измерена отдельно. Например, качество может быть выведено из
результатов обратного
теста производительности или теста чувствительности
параметров. В отличие от этого, при
автоматическом поиске каждая альфа-версия не имеет заранее
определенного объяснения
, поэтому достоверность альфа-версии зависит не только от
подходящего
Предвзятость при отборе - распространенная ошибка,
алгоритма, но и от пространства поиска. Следовательно,
возникающая из-за чрезмерного внимания
менее целесообразно спрашивать о качестве отдельных альфа-
к отдельным альфам. После завершения автоматического поиска
символов, чем о качестве
возникает соблазн
поиска в целом. Совокупная производительность альфа-запросов,
протестировать производительность каждого выходного альфа-
полученных из одного и того же пространства поиска и алгоритма
файла вне выборки и выбрать
поиска, называется
только те, которые работают хорошо. Эта практика, однако, может
пакетной производительностью. Это аналогично оркестру,
привести к
качество которого
смещению отбора в альфа-пакет, поскольку при альфа-отборе
измеряется на основе всего ансамбля, а не музыки отдельных
использовалась производительность вне выборки
исполнителей.
. В результате этого он больше не может
118 Нахождение
буквенных
считается выборкой. Чтобы устранить это смещение, рассмотрите
статистическую
значимость средней производительности всех альфа-тестов в
пакете
и решите, принять .или
0. 15 отклонить весь
Альфа-сигналы пакет. Например,
протестированы и
предположим,
среднее чтоустановлено,
значение партия
IR из стандартным
100
вне. выборки
, со альфа-сигналов
что0они
01 имеют производится
отклонением . .IR 0 12 с
предельным
Шестьдесят альф имеют значение IR вне выборки 0, а остальные <
коэффициентом
0. В этом случае заполнения информации в образце IR
среднее значение IR вне выборки слишком низкое, поэтому все
100 альфа-сигналов
Изучение пакетной должны быть может помочь выявить ошибки в
статистики
отклонены,
системе, включая
которые 60 с положительными
в противном случае может показателями вне
быть очень трудно
выборки.
идентифицировать.
Например, система настроена на
поиск альфа-пакетов с низким оборотом, используя данные,
которые обновляются ежеквартально, но
оборот выходной альфа-партии необычно высок. Это может
указывать на
возможную ошибку при подгонке параметров. Пакетная
Другим применением
статистика также можетальфа-пакетной
давать полезнуюстатистики является
метод, называемый
информацию о входных данных и пробных функциях; например,
тестом
данныевыхода. Если исследователь
или функции, использует
которые появляются пространство
много раз в альфа-
поиска
пакете, (ввод
могутданных и Функ-
обладать
ций), что способностью
большей делает экономическом или финансовом
к прогнозированию. Такаясмысле, она
информация
может рассчитывать на пит-
может быть использована для дальнейшей оптимизации
бер Альф нашли
пространства в этом
поиска дляпространстве
последующихбудет выше, чем из
запусков.
набора зашумленных входных данных или функций, то есть
хороший поиск места должны
иметь более высокую доходность, чем шумные пространства
поиска. Таким образом, исследователь
может попробовать ввести входные данные о шуме в
автоматизированную поисковую систему и сравнить
выход и качество альфа-партии. Пакет, основанный на
входных шумовых данных, должен быть хуже, чем пакет из
предположительно хорошего
ДИВЕРСИФИЦИРУЙТЕ АЛЬФА-ПАКЕТ
пространства поиска. Если количество и качество альфа-сигналов
не сильно отличаются
Диверсифицированный портфель имеет меньший риск. Этот
независимо от того, используется хороший ввод или шумный, это
принцип также может быть применен
может указывать на
к пакетам альфа-символов из разных автоматических поисковых
плохой общий процесс, предполагая, что результирующие альфа-
систем. Каждый альфа-
пакеты, даже
пакет уже обладает некоторой диверсификацией, поскольку
те, что получены из чистого пространства, скорее всего, будут
содержит много
шумными.
одиночных альфа-символов. Тем не менее, исследователь может
повысить диверсификацию на
уровне пакета, изменяя набор входных данных (например, основы,
Альфа -символы из автоматического поиска 119
цена–объем), пробные функции (линейная комбинация, регрессия

временных рядов
), тестирование производительности (максимизация прибыли,
минимизация риска) или
даже сам процесс поиска (различные итерационные процессы).
Объединение
альфа-активов из многих пакетов может дополнительно снизить
ТЕСТЫ между
ЧУВСТВИТЕЛЬНОСТИ И ЗНАЧИМОСТИ
альфа-активами и общим риском портфеля.
Хороший альфа-сигнал должен быть нечувствительным к шуму.
Перекрестная проверка
данных за разные периоды, с разной длительностью, на случайных
подмножествах
данных, по каждому сектору акций и т.д. может быть хорошим
способом
снизить риски переобучения, а также риски шумовых данных: мы
больше доверяем сигналам, которые менее чувствительны к этим
входным
изменениям. С другой стороны, каждое поле входных данных
должно вносить значительный вклад в результат.
Самый простой способ проверить значимость -
удалить
РУЧНОЙ одну входную переменную или заменить ее шумом и
АЛЬФА-ПОИСК
проверить, значительно ли
изменится результат. альфа-поиск
Высококачественный Мы больше доверяем сигналу, если
требует тщательной каждая
обработки
входная
входных данных,
переменная вноситалгоритма
пробных функций, значительный вклад.
поиска и тестирования
производительности. Изначально
трудно точно определить правильный выбор для каждого из них,
особенно при
работе с новым набором входных данных или целевых функций.
Поэтому,
прежде чем приступить к автоматическому поиску, крайне важно
начать с
ручного поиска по тем же входным данным, потому что сложность
ниже и
легче понять все аспекты каждой альфа-версии. Как только
исходные данныеальфа–поиск предлагает много преимуществ по
Автоматический
будут четкоспоняты,
сравнению обычнымисследователь может обобщить процесс и
сделать его
ручным альфа-поиском - в частности, значительное увеличение
пригодным для автоматизированного поиска.
эффективности
и объема. Недостатком является то, что это требует осторожности
в нескольких областях.
Автоматический поиск может усугубить степень переоснащения,
что может

этому препятствуют тщательный и осмысленный выбор

переменных, ограничение категории входных данных
, выбор периодов тестирования и тесты чувствительности.
Все это важные шаги, позволяющие избежать переоснащения и
создать подлинные
альфа-версии. Наконец, с учетом производительности пакета
улучшения и
диверсификация могут быть применены на уровне пакета; это
трудно сделать
с алфавитами, полученными с помощью ручного поиска, из-за
малого числа
похожих алфавитов и сложности объединения разных алфавитов
вместе.
С достижениями в области искусственного интеллекта мы
ожидаем, что интерес и важность автоматического
альфа-поиска будут продолжать расти.
16
Машинное обучение в
Alpha Research
Введение
За последние несколько десятилетий машинное обучение стало

распространенным
инструментом практически для любой задачи, требующей
извлечения информации из больших
наборов данных. В alpha research можно решить несколько
распространенных проблем
• Задачи регрессии, в которых Y и X являются количественными
саиспользованием
переменными методологии
Y определяется функцией Y F машинного
X. обучения:
• Задачи классификации, в которых Y является качественной
переменной
выводится из
и количественной переменной X.
• Проблемы с прижиганием, при которых используется
количественная
наблюдается и переменная
классифицируется
X на группы со сходными
характеристиками.
В этой главе мы представим наиболее распространенные
дляметоды, используемые
решения этих проблем.
В альфа-исследованиях не важно точно описывать то, что
происходило в прошлом, но важно быть как можно более точным
в прогнозировании будущего. Таким образом, мы сталкиваемся со
следующей
дилеммой: чрезмерно сложная модель может обеспечить
идеальную калибровку, но
приведет к переобучению и низкому качеству прогнозирования, в
то время как чрезмерно
упрощенная модель, которая очень плохо соответствует
выборочным данным, не имеет шансов
более точно предсказать будущее поведение.
МЕТОДЫ МАШИННОГО ОБУЧЕНИЯ
Исторически сложилось так, что область машинного обучения

получила импульс после
Второй мировой войны, когда человечество столкнулось с острой
необходимостью анализировать большой объем информации и
быстро принимать множество правильных решений, выходящих за
рамки того, что было бы
возможно, полагаясь исключительно на человеческий здравый
смысл и вычислительные способности
. В 1957 году Фрэнк Розенблатт из Корнельской авиационной
лаборатории изобрел
Искусственный нейрон был реализован как простейший
то, что он назвал
линейный персептроном,
классификатор входныхчто обычно называют началом
сигналов.
машинного
Каждый искусственный нейрон имеет была
обучения как науки. Идея очевидной
параметры, и
которые можно
многообещающей:
подогнать под набор обучающих примеров. Персептрон - это
если человеческий
совокупность мозг представляет собой не что иное, как
нейронов,
совокупность
которые могутнейронов, мы можем
представлять создать
собой более сильный и сложный
искусственный нейрон;
классификатор. Недостаток точно так же, как естественный нейрон,
это было бы довольно
перцептронов просто.
заключается в том, что наличиеВапник
слишком большого
В 1960-х годах советские ученые Владимир и Алексей
количества параметров может привести
Червоненкис изобрели алгоритм к
обобщенного портрета, который
переобучению, когда положительные результаты обучения не
позже
обладают всильной
развился прогностической
семейство алгоритмов классификации, известных как
силой
опорныедля новых данных.
векторные машины (SVM). Обобщенный портрет и SVM были
новыми
шагами в машинном
Давайте обучении.
теперь кратко В отличие
рассмотрим от персептрона,
наиболее важные с SVMs
решение предполагает,
направления и методы что точность, достигнутая во время
обучения,
в машинном предварительно
обучении (см. рисунок 16.1).
подается из выборки
Контролируемые и и, следовательно, предотвращает
неконтролируемые алгоритмы обучения
переобучение.
Термин “контролируемый алгоритм” означает, что мы ожидаем,
что машина будет обучать
себя на основе набора достоверных примеров, которые мы
предоставляем. Например, мы предварительно
обрабатываем набор картинок правильными надписями “кошка” и
“собака”
Термини“неконтролируемый
ожидаем, что алгоритм” относится также к
машина научится различать их. Другим примером может
задачам на прижигание,
бытьмы
где набор правильных
заранее не знаемрезультатов
правильных(выбранных из прошлого)
ответов. В этом случае для
задачи прогнозирования.
машинный
Например,поиск осуществляется
в alpha только
research задача по некоторому
прогнозирования цен на
предопределенному
акции может быть критерию качества.
хорошим применением контролируемого обучения, а задача
отбора акций
для включения в портфель является применением
неконтролируемого обучения.
Машинное обучение в Alpha Research 123
Машинное
обучение
Неконтролируемые Контролируемые
методы методы
Кластеризация Статистические Опорный вектор Нейронные Ансамбль

алгоритмы модели машины сети методы
Глубокое обучение Случайный

Нечеткая логика
алгоритмы лес
AdaBoost
Рисунок 16.1 Наиболее развитые направления машинного обучения.

Самые популярные - в черном цвете
Статистические модели
Такие модели, как наивный байесовский анализ, линейный
дискриминантный анализ, скрытая
марковская модель и логистическая регрессия, хороши для
решения относительно
простых задач, которые не требуют высокой точности
классификации или
прогнозирования. Эти методы просты в реализации и не слишком
Анализ тенденций - это пример применения статистических
чувствительны
моделей в
к отсутствующим данным. Недостатком является то, что каждый
альфа-исследованиях.
из этих подходов В частности, для этой цели часто
используется скрытая
предполагает некоторую марковская модельмодель данных.
специфическую
, основанная на убеждении, что ценовые движения на фондовом
рынке
не являются полностью случайными. В рамках статистики
скрытая марковская
модель представляет собой совокупность двух или более
случайных процессов: скрытой
цепи Маркова, которая учитывает временную изменчивость, и
наблюдаемого
процесса,
Машины который
опорныхучитывает
векторовспектральную изменчивость. При
таком подходе
Машина опорных векторов - это алгоритм машинного обучения с
модель
прочнойповедения фондового рынка определяется на основе этих
значений вероятности
теоретической основой. Он очень надежен и имеет несколько
в конкретный для
модификаций момент времени. Цель состоит в том, чтобы
различных
вычислить
типов задач, но обычно требует много времени на обучение и
последовательность
является скрытых состояний, учитывая
последовательность наблюдений, извлечь долгосрочное
распределение вероятности
и определить текущую тенденцию относительно этого
распределения.

не лучший метод для параллельных вычислений; это недостаток

для современных алгоритмов.
Основная идея SVMs заключается в том, что, учитывая набор
точек данных в векторном
пространстве, классифицированных на две неперекрывающиеся
группы (категории),
алгоритм SVM разбивает
SVMS может быть оченьпространство на два подмножества,
полезным методом для анализа и
чтобы максимизировать
прогнозирования расстояние
между точками
финансовых обучения
временных и границей.
рядов, Затем
поскольку ониновые
могутэкземпляры
быть
отображаются в том же пространстве
сформулированы в терминах и присваиваются категории.
функции риска, состоящей из эмпирической ошибки и
регуляризованного члена
, который выводится из принципа структурной минимизации
риска. Общий
подход заключается в использовании векторной регрессии (SVR)
для решения задач регрессии
и прогнозирования.
Нейронные сети Изменяя границы SVR, вы можете
смоделировать
Нейронные сетиизменения в волатильности
(NNS) выросли финансовых
из идеи представить данных.
структуру
Кроме того, в мозга с помощью искусственных нейронов, очень
человеческого
SVR могут
похожих набыть приняты во внимание эффекты асимметричных
естественные.
полей,
Было быстро замечено, что ключевым моментом является не сама
что снижает
структура риск ухудшения модели.
нейрона
, а то, как нейроны связаны друг с другом и как они обучаются.
Пока что нет теории о том, как построить NN для какой-либо
конкретной задачи.
Фактически, NN - это не конкретный алгоритм, а конкретный
способ представления
алгоритмов. Существует хорошо известный алгоритм обратного
распространения для обучения
NN. Нейронные сети очень эффективны при наличии достаточной
вычислительной
мощности. Сегодня они имеют множество применений и играют
важную
Методы
роль в ряде ансамбля
систем искусственного интеллекта, включая машины,
Методы
которые ансамбля,
обыгрывают такие каквrandom
людей шахматыforest и определяют
и Го, AdaBoost,
объединяют
кредитные рейтинги и
решения
обнаруживают нескольких “слабых” классификаторов
мошеннические или предикторов
действия в Интернете. Однако
с низкой индивидуальной
отсутствие теории
точностью
и недостаточная для получения более
внутренняя сильной классификации
прозрачность или
NNS (внутреннюю
более
логикуточногокоторых трудно
прогноза. Алгоритмнесколько
интерпретировать) случайного леса строит
затруднили ихнабор простых
развитие.
деревьев принятия решений, опираясь на обучающие примеры,
затем заставляет эти деревья “голосовать”
...........,
Машинное обучение в Alpha Research 125
для выработки окончательного решения по новым случаям.

AdaBoost (для алгоритма “адаптивного
повышения”) объединяет различные “слабые” классификаторы
(хотя
с точностью более 50% каждый) для получения окончательного
решения в виде
Поскольку основная идея random forest и AdaBoost заключается
взвешенной
в объединении суммы “слабых” решений. Эти алгоритмы очень
масштабируемы
грубых и умеренно неточных слабых гипотез для формирования
и хороши
очень для параллельных вычислений.
точной
сильной гипотезы, они часто используются для оптимизации
портфеля.
Например, мы можемклассификаторы,
Однако надежные начать с набора полученные
относительно с слабых
помощьюальф и
построить
random forest и AdaBoost
,стабильную
как правило,и хорошо работающую
имеют высокую стратегию,
частоту ошибок.используя
Недавно были
методологии некоторые
предложены random forest и Ada-
улучшенные варианты этих алгоритмов,
Boost.
чтобы снизить частоту ложноположительных результатов.
Например, AsymBoost остатки асимметричный расходы ложных
нега-
заций и ложные срабатывания несколько перевеска
положительного и NEG-
родной пробы на каждом учебном круге. Другой альтернативой
является FloatBoost,
который включает механизм обратного отслеживания плавающего
поиска
Глубокоеи обучение
неоднократно выполняет
Deep learning (DL) обратное
– популярная отслеживание
тема для удаления
сегодня - и термин, который
неблагоприятных
используется слабых классификаторов
после добавления
для обсуждения AdaBoost
ряда нового
довольно слабого
разных классификатора;
вещей. Некоторые это
обеспечивает
специалисты по обработке данных думают
, что DL
более низкую
- это просто
частоту
модное
ошибоксловечко
и сокращенный
или ребрендинг
набор функций
нейронных
за
счет примерно
сетей. Названиев пять раз
большего времени
происходит от канадского
обучения.
ученого Джеффри Хинтон, который
создал унсу-
pervised метод, известный как ограниченные машины Больцмана
(Укр)
на предварительное обучение нейронных сетей с большим числом
нейронов слоев. Это
предназначалось для улучшения метода обучения обратному
В наши дни слова
распространению, но“глубокое обучение” чаще относятся к
сверточным нейронным
нет убедительных сетям (CNN).
доказательств того, что это действительно было
Архитектура CNNs была
улучшение. Другим направлением
введена
глубокогоученым-компьютерщиком Кунихико Фукусимой,
обучения являются рекуррентные который
нейронные сети
разработал
(RNN) и обработка данных на естественном языке
. Одна из проблем, возникающих при калибровке RNN,
заключается в том, что
изменения в весах от шага к шагу могут стать слишком
маленькими или слишком
большими. Это называется проблемой исчезающего градиента.
модель неокогнитрона (feed-forward NN) и Ян Лекун, который

модифицировал алгоритм обратного распространения для
обучения неокогнитрона.
CNN
требуют много
Применяя ресурсов
глубокое для обучения,
обучение, но они могут
мы стремимся быть легко
объединить
распараллелены
несколько независимых
и, следовательно,
уровней нейроннойявляются хорошим
сети, которые, кандидатом
работая вместе,для
дают лучшие
параллельных вычислений.
результаты
, чем мелкие отдельные структуры. Есть некоторые свидетельства
того, что
использование глубокого обучения для анализа временных рядов
и прогнозирования дает
лучшие результаты
Методы нечеткой по сравнению с ранее существовавшими
логики
методами.
В классической логике каждое утверждение является истинным
Самой популярной
или ложным. архитектурой
Однако для временных
в реальной жизни рядов и
и человеческой
прогнозирования была глубокая
логике этого не всегда достаточно; некоторые утверждения
сеть убеждений,
являются предложенная Куремото и др. (2014).
“вероятно
истинными”, “неопределенными”, “маловероятными” и так далее.
Другими словами, между "да" и "нет" есть
оттенки серого. Позволяя машинам оперировать
такими недоопределенными утверждениями, мы можем создать
такФинансовые
называемую аналитики
нечеткуюпроявляют все больший интерес к
использованию экспертных
логику, которая имеет неточные правила вывода и предоставляет
систем и нейронных
механизмы для сетей для моделирования финансовых
процессов и рыночных
принятия решений при недостатке информации.
показателей. Но также важно признать, что методы нечеткой
логики
набирают популярность при разработке гибридизированных
экспертных и
нейросетевых программных систем. В нечетких экспертных
системах мы пытаемся
определить нечеткие правила, что обеспечивает большее
разнообразие ответов,
Безусловно, данные зависящее
являются одним из наиболее ценных ресурсов
от
в современном цифровомзаложенной в правила принятия
степени уверенности,
решений.
мире. Машинное обучение стало распространенным
инструментом для извлечения информации из больших наборов
данных.
В то время как наука стремительно продвигается к созданию
новых
систем управления данными, программных решений и алгоритмов
для
облегчения использования этого ресурса, сам мир
экспоненциально
увеличивается в объеме и сложности. Следовательно, невозможно
использовать весь набор доступных данных для целей построения
альфа-версии без
использования методов машинного обучения.
...........,
17
Алгоритмическое
мышление
Автор: Санни Махаджан
Хороший квант должен быть мастером на все руки, а со временем

и опытом - мастером некоторых из них.
Эффективная навигация по различным неизведанным
ландшафтам требует навыков, внимательности и правильного
набора инструментов, чтобы добраться до
места назначения в целости и сохранности. С течением времени и
технологическим
прогрессом мы открыли много новых способов сделать это
путешествие
более быстрым
Чтобы и безопасным.
оставаться Манипулирование
конкурентоспособными, огромными
вы должны быть
массивами структурированных
хорошо оснащены и, что более важ-
, а также
Мики, неструктурированных
прежде наборов
всего, нужно выбрать данных винструмент
правильный надежде для
попасть в эту постоянно
работы. Даже с правильным
прибыльную
инструментом альфа-версию
вам придется- это не чтомежду
выбирать иное, как экспедиция,
изяществом и
и грубой
алгоритмы
силой. В служат нашими
надежными советниками
прогностическом в этих захватывающих
моделировании приключениях.
знание того, как пройти эту
тонкую грань, имеет решающее
значение. Тем не менее, давайте взглянем на некоторые
математические технологии
и алгоритмы, которые
ЦИФРОВЫЕ ФИЛЬТРЫдолжны быть частью вашего набора
инструментов quant. Мы
рассмотрим лежащую
Цифровые фильтры в основе интуицию
выполняют и практические
математические операции с
варианты использования
дискретными временными этих
сигналами для ослабления или
алгоритмов.
усиления определенных частот.
Эти математические
преобразования характеризуются передаточными функциями,
которые описывают, как
они реагируют
Два на различные
класса цифровых входные
фильтров - этоданные.
конечная Таким образом,
импульсная
конструкция цифрового
характеристика
бесконечная (FIR) и
импульсная фильтра включает(IIR).
характеристика в себяКлючевое
выражение
различие междутехнических характеристик
ними заключается в форме
в том, что подходящей
функции преобразования
. количественный подход к построению торговых стратегий, Второе издание. Под
Поиск альф:
IIR использует обратную связь, а FIR - нет. С точки зрения типа

применяемой фильтрации
, основными типами фильтров являются фильтры нижних частот
(которые ослабляют более высокие
частоты), фильтры верхних частот (которые ослабляют более
низкие частоты),
полосовые фильтры (которые сохраняют только определенную
полосу частот) и
полосовые
Одним изфильтры
наиболее(которые ослабляют
популярных полосуцифровых
применений частот). В ампли-
фикация
фильтровили ослабления
является представлен фильтр называется ее
сглаживание
усиления и является
данных временных рядов - простые и экспоненциальные
функцией частоты
скользящие сигнала.
средние Комбинируя
являются, основные
по существу, типы нижних
фильтрами фильтров,
вы
частот.
можете получить
Кроме того, желаемую
задержка, передаточную
вносимая цифровымифункцию.
фильтрами
, зависит
Другое от характеристик
популярное передаточной
применение функции.
цифровых Таким
фильтров
образом,
заключаетсяпри вправильной
разложении во временные ряды
.конструкции цифрового фильтра
С помощью подходящей можно
комбинации добиться эквивалентного
низкочастотных, полосовых
или
и лучшего сглаживания
высокочастотных
с уменьшенным
фильтров запаздыванием,
вы можете эффективноиразложить
меньшее запаздывание
необработанный
предпочтительнее.
временной ряд на составляющие тренда
и цикла. С помощью
В дополнение этих извлеченных
к простой компонентов
скользящей средней и мы можем
разрабатывать
экспоненциальной скользящей
более совершенные
средней индикаторы
полезно иметь и торговые
в своем наборе сигналы. Как только
вы поймете основы
эффективный фильтр нижних частот,
известный как фильтр
моделирования передаточных
Баттерворта.
функций,
Для вам
высокочастотной
будет легко
фильтрации вы иможете
тестировать
простопользовательские
вычесть фильтры.
ОПТИМИЗАЦИЯ И ПРОЕКТИРОВАНИЕ ФУНКЦИИ ПОТЕРЬ
выходные данные фильтра нижних частот из исходного
временного ряда.
Суть любой задачи оптимизации заключается в выборе
оптимального решения
из набора возможных решений. Осуществимость обычно
определяется
спецификациями проектирования, производственными
требованиями и ограничениями
Выбор хорошей функции потерь производственного процесса
отличает эффективный
.алгоритм
Оптимальность решения определяется количественно в
оптимизации
терминах
от минимизации
неэффективного и зависит от характера
функции потерь
проблемы, а также(или функции
набора затрат).
данных. Чтобы проиллюстрировать
нашу точку зрения, рассмотрим
различия между нормой L1 и нормой L2. Норма L2
выравнивает отдельные условия ошибки и сильно наказывает
оптимизатор
за большие условия ошибки. Хотя это может быть желательно,
когда мы хотим, чтобы наше
решение имело хорошую производительность по всему набору
данных, в конечном итоге это может привести к
Алгоритмическое мышление 129
быть ненадежным при наличии отклонений. С другой стороны,

формулировка нормы L1
достаточно надежна и генерирует разреженные решения, но она
может быть нестабильной. На практике это означает, что многие
условия ошибки в конечном итоге
оказываются равными нулю,
Также используемые в торегуляризации
в форме время как некоторые
нормы L1могут
и L2быть
довольно
были большими;
успешно это не сулит
использованы ничего хорошего
для повышения для
нашей
по наихудшей
сравнению производительности.
с обычной регрессией методом наименьших
квадратов.
В классической форме стандартная регрессия наказывает условия
ошибки нормой L2.
Однако это часто
страдает от проблемы неоправданно больших и нестабильных
коэффициентов модели
, особенно при наличии сильно коррелированных предикторов.
С этим можно справиться, добавив штраф за норму L2 к
коэффициентам модели, который наказывает оптимизатор за
большие коэффициенты (также
известный как регрессия хребта или регуляризация Тихонова).
Кроме того, если
мы знаем, что только подмножество предикторов действительно
полезно, мы можем
встроить эту структуру разреженности в задачу обучения,
включив в коэффициенты модели штраф за норму
Также стоит отметить, что существует интересная функция,
L1 (т. Е. регрессию Лассо).
называемая
Техника лассо успешно использовалась в качестве стратегии
потерей Хубера, которая использует норму L2 для меньших
выбора объектов в нескольких реальных приложениях.
значений ошибки и
Нередко можно столкнуться с
переключается на норму L1 для условий ошибки, превышающих
обеими проблемами, описанными выше, в одном приложении; это
заданный пользователем
Как только вы поймете пороговый
основные свойства различных функций
легко
возраст.
потерь, Эта функция потерь обладает надежностью нормы L1 и
решается путем включения штрафов как за норму L1, так и за
стабильностью
вы сможете нормы
норму L2 к проявить творческий подход и разработать
L2 и часто работает
эффективные лучше, повседневных
чем любая из них, в реальных задачах.
коэффициентам моделидля
решения (т. Е. эластичной сети). Это дает нам
квантовых задач с использованием
хороший компромисс между оптимизации.
КОМПРОМИСС между СМЕЩЕНИЕМ и ДИСПЕРСИЕЙ
производительностью, надежностью, разреженностью и
стабильностью.
В идеальной ситуации у нас был бы идеальный алгоритм
обучения, обученный
на достаточных и полных данных для построения наших
прогностических моделей. подразумевает,
Проклятие размерности К сожалению, проблемы реальной
что с увеличением
жизни
числа
функций ненам
так требуется
решаемы. экспоненциально больше данных, чтобы
К сожалению,
наши результатыпроблемы
были реальной жизни не так решаемы.
значимых. Что еще хуже, мы сталкиваемся с компромиссом

между распадом информации и статистической значимостью. Мы
хотим использовать
достаточно большую выборку данных для получения
статистически значимых результатов.
Однако чем дальше мы углубляемся в историю, тем менее
релевантными становятся наши данные
, поскольку большинство реальных проблем связаны с
движущимися целями.
Чтобы дать нашим алгоритмам обучения шанс на успех, нам
Структура
нужно и параметры модели постоянно развиваются,
уменьшить
и у нас есть лишь
размерность ограниченное
проблемы количество
или внедрить репрезентативных
некоторые предварительные
выборок
знания о данных
Модели из дисперсией, как правило, чрезмерно
с высокой
недавней
структуреистории.
проблемы
адаптируются в процесс
к данным обучения.
обучения, демонстрируют
высокую вариабельность в своих прогнозах и не могут обобщать
данные тестирования.
Уменьшая
Модели сразмерность нашей проблемы,
высокой погрешностью, мы ограничиваем
как правило, чрезмерно
степени проблему. Хотя
упрощают
свободы в процессе
они не склонны обучения. подгонке, они страдают от
к чрезмерной
недостаточной подгонки и имеют низкую
производительность как в обучающих, так и в тестовых наборах
данных. Однако при
умеренном использовании
Зная о двух некоторые
крайних концах релевантные
этого спектра, допущения
давайте теперь или
предварительное знаниеуменьшения
обсудим использование структуры проблемы
размерности и усадки для
lem могут помочь алгоритму обучения противостоять описанной
эффективного
выше проблеме
управления переобучения
компромиссом между смещением и дисперсией.
и генерировать лучшие прогностические модели.
УМЕНЬШЕНИЕ РАЗМЕРНОСТИ
Также обычно называют функцию добычи, снижение

размерности-
ция рассматривается проблема выделения базовой структуры
набора данных выражая ее в терминах несколько особенностей,
которые объясняют большую
часть различий в исходных данных. Как упоминалось ранее, это
чрезвычайно полезно часто
Одним из наиболее в прогностическом
используемыхмоделировании для
непараметрических
противодействия эффектам
алгоритмов
проклятия размерности.
уменьшения размерности в количественных финансах является
анализ главных компонентов
(PCA). Он успешно использовался для построения статистических
моделей риска, разработки алгоритмов распределения активов
для
построения портфеля (основных портфелей) и кластеризации.
Алгоритмическое мышление 131
Расширение PCA, анализ разреженных главных компонентов

(sPCA),
добавляет ограничение на разреженность входных переменных. В
обычном PCA компоненты
обычно представляют собой линейные комбинации всех входных
переменных; sPCA
преодолевает это ограничение, находя компоненты, содержащие
всего
несколько независимых переменных. Таким образом, sPCA часто
более эффективен
ОЦЕНЩИКИ при
УСАДКИ
устранении шума, чем PCA, и полезен для выбора функций
благодаря
Имея дело с наборами данных высокой размерности и
встроенному ограничению разреженности.
ограниченными
выборками данных, мы часто можем улучшить наивные или
необработанные оценки,
дополняя их некоторой дополнительной информацией о проблеме,
обычно
Очень популярным и успешным применением сокращения
в форме структурной
является оценки.ковариационной
улучшение оценок По сути, усадка матрицы
преобразует
для
непредвзятую
распределенияисходную
активов иоценку в улучшенную предвзятую.
управления рисками.
Ледуа и Вольф (2004) демонстрируют, что, сокращая
выборочную оценку ковариационной матрицы до структурной
оценки
(на основе модели постоянной корреляции), они способны
создавать
портфели, которые превосходят те, которые основаны на наивной
выборочной оценкеПАРАМЕТРОВ
ОПТИМИЗАЦИЯ
ковариационной матрицы. Полезность усадки для улучшения
Выбор параметровоценок
очень важен для
выдержала
работы испытание
квантовых временем.
моделей вне выборки. Статические параметры
не учитывают тот факт,
что большинство проблем в финансах связаны с движущимися
целями, а оптимальный
набор параметров является функцией характеристик проблемы,
которые не обязательно должны
быть статичными или однородными в поперечном сечении нашей
торговой вселенной.
Во многих случаях вы можете добиться большего успеха,
используя динамические параметры, которые
меняются со временем так же, как и характеристики поперечного
сечения.
Например, вы могли бы улучшить простую стратегию торговли
новостями, учитывая
эффективность акций в зависимости от их рыночной
капитализации. Большие
заглавные буквы привлекают больше внимания и, следовательно,
более информативны
, чем их аналоги с маленькими заглавными буквами. Таким
образом,
132 вы потенциально можете стать лучше Нахождение альф
эффективность путем модулирования периода удержания такой

стратегии
в зависимости от рыночной капитализации. Это включает
динамическую
параметризацию, которая изменяется
Статические и динамические в зависимости
алгоритмы от
не используют какую-
характеристик
либо моделируемого
информацию, полученнуюобъекта
.в результате выполнения алгоритма вне выборки. Замкнув
цикл обратной связи и используя эту информацию, можно точно
настроить
параметризацию алгоритма на основе реализованной
производительности. Делая еще
шаг вперед, мы имеем самоадаптивные алгоритмы, в которых
логика
настройки
ЗАКЛЮЧЕНИЕ параметров встроена в основной алгоритм и
выполняется автоматически
по мере выполнения
Алгоритмическое программы.
мышление позволяет нам создавать более
простые и эффективные решения для повседневных квантовых
задач.
Это позволяет нам проводить исследования
дисциплинированно, находить новые идеи и уверенно применять
прогностические модели. Исследование алгоритмов само по себе
является дисциплиной, и
важно быть в курсе последних инноваций, чтобы поддерживать
наше математическое
и технологическое превосходство в погоне за альфами.
ЧАСТЬ III
Расширенные темы
18
Цена и объем акций
Авторы Конг Ли и Хуайю Чжоу
Введение
В области финансов гипотеза эффективного рынка (EMH)

утверждает, что финансовые рынки “информационно
эффективны”.
То есть, имея информацию,
доступную на момент осуществления инвестиций, невозможно
последовательно
Существует три основных варианта ЭМГ: слабая, полу-
достигать
сильная и доходности,
сверхсильная.превышающей среднерыночную
Слабая гипотеза утверждает, что цены
доходность,
на торгуемые с активы (например, акции, облигации или
поправкой на риск.
недвижимость) уже
отражают всю прошлую доступную публичную информацию.
Полуэстрогая гипотеза
esis утверждает, что вся прошлая общедоступная информация и
текущая
публичная информация уже были оценены в ценные бумаги.
Сильная
гипотеза гласит, что вся публичная и частная информация
отражается
Это правда? Нет, это не так. Хотя развитие информационных
в цене ценной
технологий, бумаги. Таким
обработки образом,
информации учитывая толькоторговли
и автоматической текущиеви
исторические
дополнение к другим достижениям приблизило рынок к полной
данные о соотношении
эффективности, полнойцены и объема, EMH
эффективности подразумевает,
не было и, возможно,что на
эффективном
никогда рынке
не будет невозможно
достигнуто. получить
Количественные трейдеры
прибыль
стремятся и извлечь
что не существует таких вещей, какнеэффективности. .
выгоду из сохраняющейся
альфы соотношения цены
Альфа–показатели цены и и объема.
объема, основанные только на рыночных данных, продолжают
опровергать
EMH каждый день.
136 Нахождение Альф
ПОИСК ПРИБЫЛИ ЧЕРЕЗ ЦЕНУ И ОБЪЕМ
Частоты торговли
Альфы Цена–объем могут получать прибыль от торговли с
разными частотами перебалансировки
. В отличие от некоторых долгосрочных инвесторов, которые
балансируют
свои позиции раз в квартал, активные портфельные менеджеры
обычно
торгуют чаще. Они могут ежедневно перебалансировать свои
портфели –
а иногда и несколько раз в день. Чем чаще они торгуют, тем
более вероятно, что их результаты будут статистически
значимыми.
Среднее из N случайных величин, полученных из независимых и
идентичных
гауссовских, или нормальных, распределений, имеет то же
среднее значение, но 1 / sqrt (N)
стандартного отклонения исходного распределения. Учитывая тот
же
коэффициент информативности, которым торгуют в четыре раза
чаще, мы можем ожидать, что
коэффициент
Однако, какинформативности
только затраты принимаются
(IR) будет в два
во внимание,
раза лучше. Кроме
того, более частая
потенциальная прибыль от
торговля
таких аномалий
позволяет
уменьшается,
активным портфельным
и многие из нихменеджерам
ориентироваться на Торговые
несуществующими. краткосрочные торговые
возможности,
затраты тесно которые
связаны исчезнут,
с частотойесли
торгов.
портфель
Согласно
будет
исследованию
,сбалансирован
проведенному только исследователями из Университета Рочестера
ежемесячноand
(Novy-Marx илиVelikov
ежеквартально. В некоторых случаях
определенное
2015), стратегии,
событие
которые
приведет
меняютк аномально
свои портфели
высоким
болееили
пяти
низким
раз в
значениям
год, могут терять более 1% в месяц на торговых издержках. Как
Моментум-разворот
цены и объема,
правило,
Трейдеры существует
могутвызывая
компромисс
получатьаномалии
прибыль,между
соотношения
более высокими
по-разному цены и цену и
оценивая
объема.
налоговыми
объем. Только сборами
быстрои более
движущихся
низкими трейдеры
торговыми
могут
издержками.
реагировать
на
...........
такие Аном-
Вместо того чтобы рассматривать только отдельные инструменты,
Алеся, торговля, соответственно, и стремятся получить прибыль,
можно
когда цена возвращается
рассматривать к
весь пул торгуемых активов в целом. Рассматривая
своему
отдельный обычному уровню.
инструмент, мы можем видеть технические индикаторы, такие как
скользящая средняя
конвергенция-дивергенция (MACD), которая измеряет импульс
путем
вычитания долгосрочной скользящей средней цен из
краткосрочной
, или средний истинный диапазон (ATR),
показатель волатильности, основанный на скользящей средней
(обычно за 14-дневный период). Когда мы смотрим
на портфолио, мы видим разные вещи, такие как взаимосвязь
Цена и объем акций 137
инструменты, их совместное движение как группы и инструменты,

которые
временно или постоянно выделяются по сравнению с другими
. Можно применить глобальную оптимизацию и нейтрализацию
групповых рисков
Одним интересным явлением является эффект возврата
по всей группе.
импульса.
Отдельные инструменты обычно демонстрируют динамику.
Активы, как правило, следуют
своим историческим тенденциям – более сильные или более
слабые активы, как правило, продолжают оставаться
более сильными или более слабыми в течение определенного
периода времени, поэтому инвестор может попытаться
получить прибыль,
Кроме того, следуя
наличие тренду.
эффекта Однакоимпульса
возврата в пределах достаточно
зависит
коррелированной
от группы акций
временного горизонта. картина
В целом, совершенно
цены имеют иная.
тенденцию
возвращаться
Например, в к среднему значению за
отрасли или
короткие периоды,
подотрасли
такиеболее
как внутридневные
сильные акцииили обычно
дневные
возвращаются
горизонты, но они,
к как правило, следуют
Первая
ослаблению
тренду на -более
это стратегия
в ближайшем возврата
длительныхбудущем.к внутридневному
горизонтах среднему
недель или месяцев. Вот
значению,
две разныеоснованная на максимумах и минимумах предыдущего
дня.
стратегии, основанные на индексе S & P 500.
Когда цена предыдущего дня снижается
и диапазон (максимум–минимум) превышает заданный порог,
стратегия будет
покупать на минимуме предыдущего дня и продавать в конце дня
без стоп-
Стратегии следования за трендом, или импульсом, работают на
лосса
Вот более или целипримеров
прибыли.
длительном
несколько Обоснование
горизонте.
стратегий заключается
(Clare в том, что в
et al. 2013):
дни с более высокой внутридневной волатильностью будет
наблюдаться
• Стратегия 1более сильный
(простые разворот
дневные среднего
скользящие значения,
средние): а
сигнал на
покупку
значение обычно
появляется, выше
S & P 500 когда на
поднимается выше средней цены за
медвежьих
разумныйрынках.
...........
• промежуток
СтратегияВ времени (250 дней
2 (пересечение или 500средних):
скользящих дней). сигнал на
покупку
среднеепоявляется, когда S & P 500 за более короткий период
значение индекса
поднимается выше
• среднего
Стратегиязначения за прорыва):
3 (правила более длительный период.
сигнал на покупку появляется,
когда значение
находится S & P 500 “дня x”.
на максимуме
Моделирование стратегий, описанных выше, с использованием

данных за период с июля 1988 по
июнь 2011 года показывает, что они превосходят рынок, с годовой
доходностью от 10,5% до 11,6% и коэффициентами Шарпа от
0,54 до 0,62.
Целочисленный эффект
Психологические факторы также могут быть источниками альфа–
значений цены и объема.
Когда трейдеры-люди (в отличие от компьютеров) планируют
купить акции Apple
(AAPL), они, как правило, отдают приказы типа “КУПИТЬ N акций
по предельной
цене 100 долларов США”. Люди с меньшей вероятностью будут
вводить приказы типа “ПРОДАТЬ
акции AAPL по предельной цене 155,29 долларов США”. Круглые
числа (целые числа, десятки
или сотни) привлекают гораздо больше внимания трейдеров-
людей, и на это
можно ориентироваться при разработке буквенных обозначений.
Другим примером является то, что люди
Соотношение цены и
смотрят на движение объема
цен с другими
асимметрично: типами данных
большинство людей
Данные о соотношении цены и объема обладают большой
меньше заботит
прогностической силойна
увеличение их активов в сочетании с
1%, чем соответствующий убыток на
другими
1%. Болеетипами
того, данных, особенно событиями в масштабах всей
компании.
люди склонныОсобенно
слишкомзначительное движение
долго удерживать цены
свои или объема
убыточные
часто является
позиции отражением
и слишком известного
рано продавать своиили
выигрышные
неизвестного
позиции. Изучаярыночного события, которое,
такие психологические вероятно,
факторы, со временем
исследователи
окажет
quant дальнейшее влияние на
настроения на рынке..........."
могут находить ценовые торговые сигналы.
Например, эмпирическое исследование показывает, что заранее
обусловленное увеличение объема приводит к предсказуемому
росту цен, когда
ежеквартальные объявления о доходах вызывают существенные
шоки объема,
что приводит к предсказуемым последующим доходам (Frazzini
and Lamont
2007). Стратегия покупки акций каждой компании, которая, как
ожидается,
объявит о прибыли в течение следующего месяца, и продажи
акций, по которым не ожидается, что
Простые примеры,
будет сделано рассмотренные
объявление, в этой
генерирует приглаве, показывают, что
тестировании
стратегии "цена–объем"
сверхнормативную среднегодовую
могут быть жизнеспособными.
доходность в размере 7-18%. ЭффектМногие другие типы
особенно силенсигналов
для
могут быть сизвлечены
секьюрити большим колпачком
. Исследование
из данных о соотношении
проводилосьцены
в течение
и объема,
таких как рыночные
длительного
выборочногоипериода,
настроения средняя цена
с 1927-2004
покупкигодов,
что показывает,
различных инвесторов.
что результат
Технические
устойчив
индикаторы
при различных
предназначены
рыночных
режимах.
для описания
такого рода информации и могут помочь инвесторам лучше
понимать и
прогнозировать движение цен на акции.
Цена и объем акций 139
В финансовой индустрии важно торговать уникальными

моделями, которые
еще не были оспорены в арбитраже другими участниками рынка.
Каждый трейдер дорожит своими моделями и тщательно скрывает
их.
Модель ценна только тогда, когда она имеет ограниченное
воздействие. Как только он становится
общедоступным, его предсказательная сила уменьшается и вскоре
исчезает (время от времени вновь появляясь спустя годы, после
того как о нем забыли).
Рынок
также развивается; старые модели приходят в упадок по мере
появления новых. Постоянный
поиск новых моделей является ключом к тому, почему некоторые
фирмы могут выжить в этом
бизнесе. Существует практически неограниченное количество
способов использования простых данных о ценах акций
и объемах в количественных финансах.
19
Анализ финансовой
отчетности
Авторы: Пол А. Гриффин и Санни Махаджан
Финансовая отчетность - это официальные отчеты о финансовом

состоянии компании
за определенный период времени или в определенный момент
времени. Анализ безопасности,
популяризировал Бенджамин Грэм и Дэвид Додд в 1934 клас-
Сик инвестирование томе (2009), является углубленное изучение
данной отчетности на
уровне предприятия основу для оценки потенциала для
избыточной прибыли основан на
предприятия базовых качеств. Этот анализ используется
фундаментальными
стоимостными инвесторами, наиболее известным практиком
которых является Уоррен Баффет. Это
контрастирует с изучением
Анализ финансовой движения
отчетности цен на
пытается акции и потока
систематически
ордеров,
измерить
обсуждаемым Эдвином
влияние факторов, Лефевромс виспользованием
вычисленных Воспоминанияхэтихбиржевого
отчетов, и
спекулянта
определить их
(2006), или другими
способность подходами
прогнозировать технического
будущую анализа,
доходность; такими как
инвесторы
стратегии,
могут использовать его для ранжирования, сортировки и
фильтрации на импульсе,
компаний которые
в целях делают
создания ставки, исходя
портфеля из
с повышенной
ожидания
финансовой того, что ценовые
тенденции сохранятся
устойчивостью. Мнение во
будущем
том, что(см. Chanфинансовой
анализ et al. 1996 иотчетности
ссылки на них).
может быть использован
для получения избыточной прибыли, первоначально было
воспринято скептически из-за
преобладающей ортодоксальности гипотезы эффективного рынка
(EMH),
которая постулирует, что на эффективном рынке текущие цены
отражают всю
доступную информацию. Однако последующие работы по
множеству факторов,
построенные на разнообразной и логичной выборке информации о
доходах,
продемонстрировали
© 2020 Тульчинский и др., Виртуальныйнарушения EMH
исследовательский в течение
центр длительных
WorldQuant. Опубликовано в 2020
периодов времени (см.,
например, Abarbanell and Bushee 1997; Bartov and Mohanram 2004;
Beneish and Nichols 2009; Chan et al. 2001; и Piotroski 2000).
Традиционный анализ финансовой отчетности обычно приводит

к
скринингу акций, генерирующему долгосрочный портфель с
низкой оборачиваемостью и ограниченным
инвестиционным портфелем, выбранный на основе
фундаментальных
характеристик компаний. Современный анализ, однако,
использует финансовую отчетность
для получения количественных данных о рисках по акциям на
основе фундаментальных
коэффициентов и производных показателей - и, возможно, с
учетом других
ограничений, без конкретного сокращения инвестиционного
портфеля.
Эта глава не предназначена для того, чтобы охватить весь
В этих более
предмет современных терминах инвесторы пытаются
фундаментального
анализа; более фундаментальные
полный обзор этого предмета представлен
факторы
в следующей в качестве предикторов
главе. Эта в многофакторной
глава призвана регрессии или
служить базовым
особенности
введением в в
алгоритме
тему и, какмашинного
мы надеемся,обучения. Анализ финансовой
может послужить источникомотчетности
наряду с
вдохновения для
дополнительными
будущих источниками данных, связанными с
Основы исследований.
показателями рынка, рекомендациями аналитиков
и неожиданными доходами, могут быть объединены для
Компании публикуют финансовую отчетность ежеквартально и
определения альфа-показателей.
ежегодно.
..........."Альфа".
Существует четыре основных отчета: балансовые отчеты, отчеты о
прибылях
Балансовые и убытках,
отчеты - это моментальный снимок активов,
отчеты о движении
обязательств денежныхкапитала
и акционерного средств икомпании
отчеты обвакционерном
определенный
капитале.
момент времени.
В отличие от бухгалтерского
отчета, который относится к данному моменту, отчеты о прибылях
и убытках предоставляют
информацию о финансовых результатах компании за
определенный отчетный период.
Отчет о движении денежных средств предоставляет данные о
притоках
Инвесторы и оттоках денежных
используют средств отдля
эти заявления операционной
оценки рисков,
деятельности
эффективности, компании и внешних
финансового состояния и перспектив компании.
инвестиционных
Обратите внимание, источниках за контексте
что в этом данный период. Отчет об
акционерном
предварительные ежеквартальные объявления и представленные
капитале показывает
впоследствии изменения в интересах акционеров
заявления
компании
могут отличаться; проверенные годовые финансовые отчеты, как
с течением времени.
правило,
считаются наиболее авторитетными.
Анализ финансовой отчетности 143
БУХГАЛТЕРСКИЙ БАЛАНС
Базовое уравнение бухгалтерского учета, также называемое

балансовым уравнением, представлено балансовым отчетом в
таблице 19.1 и выражается
...........: Активы Обязательства Собственный Капитал
Обратите внимание, что этот балансовый отчет составлен на
определенную дату и дает краткую
картину благосостояния компании. Сравнивая моментальные
снимки, инвесторы
могут обнаружить изменения, которые могут привести к
пересмотру стоимости собственного
капитала компании. Совокупные активы обычно используются в
качестве нормализующего коэффициента
, чтобы сделать значения других факторов сопоставимыми между
различными компаниями
или сравнить моментальные снимки одной и той же компании в
разное время. хорошо известные факторы, построенные на основе
Следующие
Для компаний США стоимость совокупных активов включает
бухгалтерского
нематериальный
отчета, были положительно коррелированы с будущими доходами
актив,
с 1976 известный как гудвилл, определяемый как сумма, которую
по 1996 год,
компания
как платит
наблюдал за другую
Пиотроски (2000):
• Повышенная ликвидность (превышение текущих активов над
компанию
текущими сверх балансовой стоимости. Хотя гудвилл включает
обязательствами)
• Увеличение продаж по сравнению с общим объемом активов
такие элементы, как
• Отсутствие выпуска акций
брендинг, инвесторам, как правило, следует рассмотреть вопрос о
• Меньший долгосрочный долг
том, следует ли сбрасывать со счетов
гудвилл, включенный в совокупные активы, в качестве
нормализующего фактора.
Таблица 19.1 Уравнение баланса
Балансовый отчет ГГГГМДД
Активы Обязательства + собственный

капитал
Текущие активы Текущие обязательства
Прочие активы Долгосрочная задолженность
Нематериальные активы (гудвилл и т.д.)
Всего активов Собственный капитал акционеров
144 Поиск букв
Таблица 19.2 Отчет о прибылях и убытках

Отчет о прибылях и убытках за ГГГГ
Чистый объем продаж A
Процентный доход B
Стоимость товаров C
Эксплуатационные расходы D
Налоги на прибыль E
Валовая прибыль AC
Доход от операций ACD
Валовой доход AB
Чистый доход ABCDE
ОТЧЕТ О ПРИБЫЛЯХ И УБЫТКАХ
Отчет о прибылях и убытках отражает изменения в балансе от

одного периода времени к следующему, как показано в таблице
19.2. Большинство компаний
используют учет по методу начисления, поэтому отчет о прибылях
и убытках
отражает не движение денежных средств, а, скорее, начисление
обязательств, подлежащих оплате.
Например, если компания подписывает многолетний
договор на поставку продукции, она признает выручку при
Согласно
выполнении
Piotroski (2000), следующие факторы, основанные на отчете о
каждого
прибыляхобязательства
и убытках, былипо контракту, а не при переводе другой
положительно
стороной
коррелированы с будущими доходами в США с 1976 по 1996 год:
денежных
• средств >
Чистая прибыль на0 счет.
• Увеличение чистой прибыли по сравнению с совокупными
• Улучшенная валовая прибыль
активами
ОТЧЕТ О ДВИЖЕНИИ ДЕНЕЖНЫХ СРЕДСТВ
Отчет о движении денежных средств, как показано в таблице 19.3,

описывает источники
изменения остатка денежных средств компании от одного периода
к следующему.
Таблица 19.3 Отчет о движении денежных средств

Отчет о движении денежных средств за год
Остаток денежных средств А
Денежные средства от операций Б
Займы С
Продажа акций Д
Покупки Е
Налоги Е
Движение денежных средств Б+В+Г−Д−Е

Остаток денежных средств А+Б+В+Г−Д−Е
По словам Пиотроски (2000), следующие факторы положительно

коррелировали с будущими доходами в
США с 1976 по 1996 год:
• Денежные средства от операций > 0
• Денежные средства от операций> чистая прибыль
РОСТ
Вышеуказанные факторы направлены на обеспечение качества

работы компании
mance. Однако инвесторов
Аналогичный также
регрессионный могут для
анализ заинтересовать
растущих акций был
перспективы роста.
проведен
Чаном и др. (2001) и Бартовым и Моханрамом (2004); они
обнаружили показатели, которые коррелировали с будущей
доходностью, особенно для растущих акций
(акций
• Чистая с низким
прибыльсоотношением балансовой
/ совокупные активы стоимости
> среднее к
значение по
рыночной)
отрасли
• Денежный в период с 1979 по 1999
поток / совокупные год: > среднее значение по
активы
...........:
отрасли
• Разница в чистом доходе < медианный показатель по отрасли
• Разница в валовом доходе < медианный показатель по отрасли
• Расходы на НИОКР / общие активы > среднее значение по
отрасли
• Капитальные затраты / общие активы> среднее значение по
отрасли
• Расходы на рекламу / общие активы > медианный показатель по
отрасли
Расходы на НИОКР, капитальные затраты и рекламу являются
отдельными статьями в строке
операционных расходов отчета о прибылях и убытках, как указано
в
таблице 19.4. Растущие компании будут развивать эти
направления с ожиданиями
увеличения будущих продаж.
Таблица 19.4 Отчета о прибылях и убытках: операционные расходы
Расходы на НИОКР D1
Капитальные затраты D2
Расходы на рекламу D3
Прочие операционные расходы D4
1 D2 D3 D4
Операционные расходы DD
КОРПОРАТИВНОЕ УПРАВЛЕНИЕ
Руководство отслеживает и стремится улучшить показатели

деятельности компании
с помощью метрик, а участники рынка, как правило, поощряют
цену акций
, когда видят улучшения в некоторых из них. Согласно
Абарбанеллу и
Буши
• (1997), показатели,
Сокращение запасов на единицу продаж
положительно
• коррелирующие
Улучшение дебиторской с будущиминадоходами,
задолженности следующие:
единицу продаж
• Увеличение объема продаж за вычетом изменения валовой
прибыли
• Снижение административных расходов на единицу продаж
• Повышение налоговой ставки
• Качество доходов – переход на использование FIFO вместо LIFO
• Квалификация аудита – переход на квалифицированный аудит
• Объем продаж на одного сотрудника
НЕГАТИВНЫЕ ФАКТОРЫ
Некоторые факторы особенно полезны для выделения короткого

портфеля.
Бенеша и Николс (2009) предполагают поиск заработок манипула-
ние, история слияний, справедливости выдачи, а также других
форм человека-
неджмента усилия по улучшению сообщила о прибыли или
денежного потока без
На самом
• Более деле совершенствования
высокие основного
чистые продажи, чем бизнеса.
свободный Факторы,
денежный поток
отрицательно
• Низкая ценакоррелирующие
бронирования с
будущими
• Высокий доходами, включают:
рост продаж
• Низкий денежный поток от операций к цене
• Приобретение за последние пять лет

• Выпуск акций > средний показатель по отрасли за два года
Ниссим и Пенман (2003) показывают, что высокий финансовый

рычаг, определяемый
как превышение чистого финансового долга над обыкновенным
капиталом, отрицательно коррелирует
с операционной прибыльностью; определение финансового рычага
исключает
операционные обязательства. Высокий долгосрочный финансовый
левередж может быть признаком нерешенных проблем с
ликвидностью или даже неплатежеспособности.
Хорошо известным примером
неправильного применения финансового рычага является история
фирмы-хедж-фонда Long-Term Capital Management. Кроме того,
бухгалтерский скандал в
корпорации Enron был основан на использовании транспортных
средств специального
назначения для списания долгосрочных долгов с баланса, а
скорректированный учет долга привел к неплатежеспособности
ОСОБЫЕ СООБРАЖЕНИЯ
компании. Как правило, дополнительное кредитное плечо
увеличивает риск, который может привести либо к более высокой
При анализе финансовой отчетности инвесторы должны
прибыли
учитывать отрасль изучаемой компании.
, либо к риску разорения...........
В отраслях, основанных на сырьевых товарах,
Поэтому целесообразно анализировать кредитное плечо и долг в
например, базовая цена на сырьевые товары вносит значительный
сочетании с другими факторами, чтобы найти комбинации,
вклад в
которые указывают на
продажи, поэтому увеличение продаж не обязательно является
показателем
значимую положительную
улучшения работы
или отрицательную
компании корреляцию с
.будущей
Банки предъявляют
доходностью.разные требования к отчетности, и
к ним следует относиться по-особому. Фаза экономического цикла
может повлиять на корреляцию долга с повышением цен и
существенноКАК ЭКРАНЫ
ФАКТОРЫ
повлиять на факторы, тесно связанные с ростом.
В инвестиционной литературе наиболее распространенным
использованием факторов является создание
структуры универсального экрана, в частности, с помощью
механизма присвоения компании
балла +1, когда она проходит определенный тест, затем
объединения
баллов по всем факторам и открытия длинной позиции по
компаниям с самым высоким
рейтингом. По словам Кана-
Мана (2011), это, как правило, разумный метод слияния в
отсутствие более значимого статистического анализа.
148 Нахождение
буквенных
ПРЕОБРАЗОВАНИЕ КОЭФФИЦИЕНТОВ В БУКВЫ
Обратите внимание, что большинство оценок основаны на темпе

изменений, который
обычно вычитает последние данные отчетности из предыдущих
лет;
в противном случае сезонность повлияет на прямые сравнения
между кварталами
. Отчетные данные могут быть отложены для альфа-анализа, и
инвесторам следует с осторожностью обращать внимание на
временные задержки
Более сложные в данных,
методы используемых
статистического для такие как
анализа,
альфа-генерации.
регрессия и ВСК- Финансовые данные на текущий момент
времени обеспечивают
Тор корреляционный значительно
анализ, может производить лучше Альфы.
более реалистичные
Инвесторы результаты (и худшие результаты
также могут
ретроспективного
использовать тестирования),
методы посколькутакие
машинного обучения, они устраняют
как
предвзятость, связанную сдля
генетические алгоритмы, повторными
поиска заполнениями отчетности.
хороших комбинаций факторов; это может быть особенно
успешным, если
исходные данные основаны на глубоком понимании значений
факторов.
Рынок поощряет стратегии, основанные на новых значимых
сочетаниях факторов
,Анализ
поэтому исследователи
финансовой должныпозволяет
отчетности мыслить творчески и выявлять
аналитикам постоянно
просматривать
тенденции и раскрывать
литературу в поисках
инвестиционные новейших
возможности идей.
церн путем сравнения ключевых
показателей эффективности
за несколько периодов времени и типов отчетности. Было
замечено, что многие
Хотя финансовые финансовые
отчеты сигналы
напрямую не отражают всю
коррелируют
информацию, с избыточной доходностью и могут быть
эффективно
которая использованы
указывает в инвестиционном
на потенциал процессе.
компании, они являются
ключевым элементом
инвестиционной головоломки. В погоне за альфами
содержательная интерпретация и анализ финансовой отчетности
могут стать прочной основой для
обоснованных инвестиционных решений.
....
20
Фундаментальный анализ
и
альфа-исследования
Автор : Синье Тан и Кайлин Ци
Наряду с такими методами, как торговля парами, инвестирование

в моментум, инвестирование на основе
событий и анализ настроений в новостях, фундаментальный
анализ является важным инструментом, используемым при
разработке количественных альф.
Изучая соответствующие экономические и финансовые факторы,
фундаментальные анализы
пытаются выявить стоимость ценной бумаги и определить,
является ли она
недооцененной или завышенной. Затем можно
создать потенциальноанализ
Фундаментальный прибыльный
может портфель, открывая
быть применен длинные
к целому ряду
позиции по относительно
финансовых ценных бумаг.недооцененным ценным бумагам и /
или открывая
В контексте короткие
акций позиции по переоцененным.
фундаментальный В этой как
анализ определяется главе
представлены
методы ключевые
идеи и источники
определения данных,стоимости
внутренней используемые в фундаментальном
компании путем анализа
анализе, а также факторов, которые влияют на ее бизнес и
основополагающих
приложения
перспективы.фундаментального анализа в количественных альфа-
исследованиях.
Фундаментальные аналитики стремятся
ответить
В болеена такие вопросы,
широком как:
масштабе стабильно ли растет
фундаментальный выручка
анализ относится
компании
к анализу
? Какова способность
экономического компаниифинансового
благополучия выплачиватьсубъекта,
свой долг? Имеет
а не ли
только
компания
его ценовых движений
хорошую прибыльность,
. Фундаментальный а также
анализ можетвысокое качествоне
быть применен прибыли?
только к
Достаточно ли
отдельным акциям у компании
ликвидных активов
, но и к секторам по сравнению
и отраслям с обязательствами?
в совокупности или даже к рынку в
целом. Напротив, технический анализ – еще одна основная форма
анализа ценных бумаг и важное направление в alpha research –
фокусируется исключительно
на динамике цен и объемов ценных бумаг, не касаясь
фундаментальных
Поиск альф: количественный подходфакторов, лежащих
к построению в их основе.
торговых стратегий, Второе издание. Под
Фундаментальные факторы могут быть как качественными, так

и количественными. В
альфа-исследованиях мы в первую очередь рассматриваем
количественные факторы, которые могут
быть измерены или выражены в числовых терминах. Поскольку
финансовая
отчетность является стандартным средством, с помощью которого
компания раскрывает
информацию о своих финансовых результатах, извлеченная из нее
количественная информация
часто используется для разработки альфа-сигналов.
Во многих эмпирических
ФИНАНСОВАЯ исследованиях по бухгалтерскому учету
ОТЧЕТНОСТЬ
предпринимались попытки выявить в финансовой отчетности
атрибуты,
Как описано в предыдущей главе, четырьмя основными
имеющие отношение
финансовыми к ценности, с целью улучшения
отчетами
фундаментального анализа.
являются бухгалтерский баланс, отчет о прибылях и убытках,
В целях
отчет повышения
о движении эффективности.
денежных средств
и отчет об акционерном капитале. Балансовый отчет
предоставляет
финансовую картину организации на определенный момент
времени. В нем перечислены
активы и обязательства компании. Инвесторы могут использовать
балансовый отчет для
определения уровня и
Отчет о прибылях долга компании
убытках и соответствующих
представляет собой показатель
финансовых показателей, таких
прибыльности компании за определенный период времени,
как отношение
включая доходыдолга к собственному
или прибылей капиталу,
и расходы или коэффициент
быстрой ликвидности
себестоимость........... и коэффициент текущей ликвидности,
которые помогают
затраты. Прибыль до вычета процентов может использоваться как
им понять процентные
показатель операционной платежи по долгу компании, кредитный
рейтинг
прибыльности, игнорируя любое процентное бремя, связанное с
и показатели
долговым деятельности по сравнению со средними
финансированием.
показателями
Из-за по отрасли.
консерватизма Красные флажки,
в бухгалтерском учете такие расходов также
статьи
Отчет о движении денежных средств является важным
как значительное
могут уменьшение резервных счетов или
показателем
значительное
включать увеличение
некоторые запасов
затраты, которые поскольку
напрямую он
не показывает
связаны с
финансового благополучия компании,
или дебиторской
товарами, задолженности,
проданными в течение также отображаются в
изменение денежных средств за год.
балансовом
текущего отчете.в то время как некоторые расходы на
периода,
Если отчет показывает, что предприятие не в состоянии
исследования достаточно
генерировать и разработки
могут не отображаться.
денежных средств для выплаты дивидендов, но удерживает
производительность своего основного
запаса за счет денежного потока от операций, или что размер
денежного потока
от операций ниже, чем от инвестиций, это может быть ранним
предупреждающим признаком потенциально серьезной
задолженности и будущих проблем с денежными потоками.
Фундаментальный анализ и альфа-исследования 151
Собственный капитал акционеров - это разница между активами

и
обязанностями компании (также известная как ее собственный
капитал), которая отражается в
балансовом отчете. Отчет об акционерном капитале показывает
изменение
в разделе "Собственный капитал" бухгалтерского баланса за
данный период. Компании
обычно включают
прибыль в отчет окоторую
– часть прибыли, собственном капитале
корпорация обыкновенные
решила
акции, привилегированные
реинвестировать акции, казначейские
в бизнес, указанная в отчете о собственном
акции и нераспределенную
капитале акционеров. Когдаприбыль.
Инвесторырешает
компания часто следят за бизнес-показателями,
реинвестировать такими
средства в бизнес, а некак
оплаченный капитал,
выплачивать дивиденды
капитал, вложенныйовтом,
, это сигнализирует компанию при выпуске
что руководство ее акций
считает и
акции
удержанный
недооцененными и
ожидает их роста. Однако этим сигналом легко манипулировать,
поскольку он
АНАЛИЗ ФИНАНСОВОЙ ОТЧЕТНОСТИ
находится под контролем руководства.
Углубленный анализ финансовой отчетности дает инвесторам
представление о
текущих и вероятных будущих результатах деятельности
компании. Например, начисления доходов
могут быть искажены манипуляциями руководства. Руководство
может предположить, что инвесторы рассматривают высокие
доходы сегодня как признак
высоких доходов в будущем. Фактически, прибыль состоит из двух
частей: фактического денежного потока, который генерируется в
результате операций, и начислений,
которые
1. Слоан рассчитываются и решаются
масштабировал прибыль, бухгалтерами,
начисления что оставляет
и денежный поток
место для активам,
посравнить
общим компаниичтобы
разных размеров.
манипуляций. Чтобы проанализировать
2. Затем он проанализировал качество
взаимосвязь между начислений,
заработком и
стоит обратиться
качеством к
количество начислений. Он собрал данные о начислениях,
тематическому исследованию,
доходах и движении денежныхпроведенному Sloan et al. (2011).
средств от выборочных компаний и ранжировал их по доходам.
Слоан
распределил годы работы компании по децилям на основе ранга
дохода
3. и рассчитал
Наконец, он среднее
сравнил значение
результатыдохода в каждом дециле.
с ранжированной Затем
версией,
он
основанной
значениях на
начисленной части заработка.
отслеживал результаты заработка за предыдущие и
последующие пять
лет в течение расчетного года.
Анализ Слоана показывает, что, основываясь только на доходах,

ожидается, что компания,
показавшая высокие результаты в этом году, сохранит высокие
доходы в течение нескольких лет в будущем. Однако после
ранжирования
компонента начислений предсказуемость доходов ухудшается.
Компонент денежных
потоков является гораздо более мощным предиктором, чем
компонент начислений.
Чтобы получить Другими
некоторое словами, при
представление анализе будущего
о стоимости
уровня доходов
компании и финансовых показателях
,лучше полагаться
вы можете на доходы, полученные
проанализировать от денежных
коэффициенты потоков,
оценки, которые
чем на
представляют собой математические
начисления.
расчеты с использованием цифр, взятых главным образом из
финансовой отчетности.
Одними из наиболее известных коэффициентов оценки являются
соотношение цены к информация,
Соответствующая прибыли и выходящая за рамки
соотношение цены
стандартного к бронированию.
формата Некоторые эмпирические
финансовой отчетности
,исследования
представленапоказывают, чтоВфакторы,
в виде сносок. связанные с
сносках раскрывается
одновременными
критическое изменениями многих коэффициентов
финансовой отчетности,
содержание, чтобы помочьмогут приводить
инвесторам к
получить лучшее
значительным аномальным
представление о компании идоходам.
принимать
обоснованные решения. Здесь можно
найти подробную информацию по таким вопросам, как учетная
политика,
изменения в методах учета, долгосрочные обязательства по
покупке,
незавершенные или неминуемые судебные разбирательства и
опционы на акции руководителей. Компании редко раскрывают
свои ошибки или трудности
в заголовках или таблицах, поэтому чтение между строк этих
раскрытий
может дать добросовестным инвесторам преимущество. В
некоторых случаях компании используют
раскрытие финансовой информации, чтобы скрыть факт и
последствия изменения правил бухгалтерского учета
, что может негативно сказаться на ценах акций. Эмпирически,
Исследователи Alpha также рассматривают ежеквартальные
когда в финансовых отчетах появляется
конференц-звонки как инструмент для
много новых сносок, в длинных абзацах могут быть установлены
раскрытия корпоративной информации. В то время как
некоторые красные флажки.
финансовые отчеты дают представление о прошлой деятельности
Если сноски кажутся бессмысленными
компании
, скорее всего, компания намеренно скрывает информацию.
, телефонные конференции дают инвесторам представление как о
Способность
текущей ситуации, так и об ожиданиях руководства относительно
обнаруживать признаки раннего предупреждения в сносках
будущей деятельности
финансовых отчетов отличает
. Некоторые комментаторы сказали бы, что инвесторы могут
элитных инвесторов от обычных. Поскольку сноски отображаются
собрать критические
в виде
неструктурированного текста, продвинутый исследователь alpha
должен найти или разработать
соответствующие системы интеллектуального анализа текста,
Фундаментальный анализ и Альфа-исследования 153
чтобы преобразовать их в полезные сигналы.
Хотя этот шаг усложняет использование таких данных, он
предоставляетдля долгосрочных моделей, а также технические
показатели,
возможностьвзятые из некоррелированные сигналы.
извлекать
тона и манер генерального директора и финансового директора,
особенно в части вопросов
и ответов на телефонной конференции - когда, скажем, они
объясняют
значительные отклонения в результатах от предыдущих оценок.
Эмпирические данные показывают, что настроение телефонной
конференции может
предсказать неожиданные доходы в следующие 60 торговых дней.
Аналитик
интерес – те исследователи, которые принимают участие в вызове,
но не закрывайте
компании – это ранний индикатор будущее компании fundamen-
талс и положительно коррелирует с доходность акций в течение
последующих трех
месяцев (Юнг соавт. 2015). Инвесторы остро реагируют на
Макроэкономические переменные могут также быть
экстремальные слова
использованы в качестве мощных и Фунда-
и фразы в объявлении о доходах, значительно увеличивая
ментальных цена акций показателей для отдельных отраслей –
ненормативный
например,
объем
Отчеты
торгов
аналитиков,
между
и доходность
ценами
подготовленные
акций
на нефтьпосле
и ценами
инвестиционными
объявления
акций(Bochkay
в банками
et al.,
2016).
транспортной
и брокерскими фирмами –
Когда количество
отрасли
продавцами и процентных
– являются
вопросов,
ставок
еще заданных
одним
на финансовых
потенциально
во время
услугах.
раздела
полезным
вопросов и
ответов, намного
источником информации для
ниже ожиданий,
инвесторов. В этихненормальный
отчетах анализируются
возврат на следующий
бизнес-перспективы
день ниже и
(Chen et al.
строятся
2016). Неожиданности
модели оценки с использованием
в языковомпрошлой
тоне (относительная
и настоящей частота
негативных и позитивных
фундаментальной информации
слов),окак
конкретной
правило, приводят к
движениюицен
компании ее соответствующей
на акции (Druz et al.,
отрасли;
2016).их целевые цены и
.
доходы,
комментарии, рейтинги и рекомендации могут быть значимыми
компонентами alpha.
Поскольку крупные институциональные инвесторы часто
ссылаются на отчеты о продажах на
стороне
Из–за и могут двигать
нечастости рынки благодаря
обновления объему активов,
фундаментальных данных,
которыми они
фундаментальные альфа-сигналы имеют более низкий торговый
управляют,
оборот мненияохват
и меньший аналитиков
акций могут быть самореализующимися
в краткосрочной
, чем другие сигналы,перспективе,
такие какдаже если
альфа-сигналы, основанные на
они не точны
цене и объеме. С в долгосрочной перспективе. Исследования
аналитиков
другой также
стороны, служат
фундаментальная информация имеет тенденцию
контекстом для
отражаться любых
в ценах последующих фундаментальных
на акции
объявлений,
в течение более поскольку
длительного периода времени. Совокупная отдача
рынок
от fun- уже определил цены с учетом ожиданий продажи; разница
в “неожиданности”
основных сигналов обычно концентрируется вокруг последующего
между консенсусным прогнозом и фактическим объявлением
заработка
часто более значима, чем сами фундаментальные данные.
объявление и выравнивание через год после раскрытия сигнала,

указывающее на
то, что большой процент аномальных возвратов может быть связан
с изменениями
Фундаментальныйдоходов за может дать исследователям идеи об
анализ
предыдущие годы.
альтернативных
классификациях акций. Например, акции могут быть обозначены
либо как стоимость, либо как
рост, исходяцены
отношение из финансовых
к прибыли, показателей
соотношениекомпании. Ценные
цены к балансу акции
и цены к
относятся к акциям
объему продаж, по относительно
а также низким ценам, на что
высокая дивидендная
указывают
доходность. низкая
Акции цена-
к балансовой роста означают
стоимости прямо
и цены противоположное:
к объему продаж, а также
высокоедивидендную
низкую отношение цены к прибыли,
доходность.
соотношение цены
Аналогичным образом, инвесторы могут создавать
классификации, используя другие фундаментальные
факторы, отличающие один тип акций от другого. Эти
виды классификаций позволяют инвесторам более точно
наблюдать за
поведением различных групп акций на рынке и, таким образом,
ЗАКЛЮЧЕНИЕ лучшие
альфа-сигналы.
Растущий объем данных как академических, так и промышленных
исследований показывает, что
применение фундаментального анализа потенциально может
принести значительную
сверхприбыль. Информация, извлеченная из источников данных,
упомянутых
в этой главе, таких как финансовые отчеты, телефонные
конференции и отчеты аналитиков о продажах
, исторически обладала большой способностью предсказывать
будущую доходность акций. Количественные альфа-исследователи
используют эту информацию
для построения своих фундаментальных альфа-показателей и
стремятся создавать портфели с
низким оборотом и стабильной прибылью.
21
Введение в
импульсные альфы
Авторы: Жиу Ма, Арпит Агарвал и Ласло
Борда
На финансовых рынках “импульс” относится к эмпирическому

наблюдению
о том, что цены на активы, которые росли, вероятно, будут расти и
дальше, и наоборот
. В рамках гипотезе эффективного рынка, момен-
Тума является одним из рыночных аномалий (наряду с реверсом,
сезонности,
В основополагающей статье 1993 года Джегадиш и Титман
и обороты разворот),
обнаружили, которыеиисходят из того, что инвесторов
что победители
реакции немедленного
проигравшие типа3-12
за последние могут быть неправильной
месяцев, вероятно, будути, как
правило,
продолжать с течением времени
выигрывать и изменяются.
проигрывать. Тот же феномен был тщательно изучен, и
было подтверждено, что импульс работает для большинства
классов активов и финансовых
рынков по всему миру (Chan et al. 2000; Hong and Stein 1999;
Hong et al. 2000; Jegadeesh and Titman 2001, 2011; Rouwenhorst
1998). Наблюдаемая прибыльность momentum alpha, однако,
значительно снизилась в последние годы, и они сильно
сократились
во время финансового кризиса 2008 года и в его окрестностях
(Barroso and Santa-Clara
2015). С тех пор во
Исследователи многих исследовательских
попытались работах
объяснить с помощью
предлагалось изменить
поведенческих моделей, почему работают импульсные альфы.
это правило,
Согласно чтобы увеличить
общепринятой теориипотенциальную прибыль и
уменьшить потенциальную просадку
предубеждения к консерватизму, инвесторы, как правило,
,недостаточно
сохраняя приостро
этом реагируют
дух импульсной альфы
на новую (Antonacci 2014).
Это продолжает оставаться активной областью исследований
(Barberis et al. 1998; Chan et al. 1996; Daniel et al. в
1998; Edwards
академическом
1968; Zhang 2006). На несовершенно эффективном рынке
сообществе.
требуется время,
чтобы разобраться в новой информации и оценить ее по цене. Это
объяснение,
Поиск альф: количественный по-видимому,
подход к построению торговых стратегий, Второе издание. Под
редакциейвыдерживает критику,
Игоря Тульчинского и др. и когда мы исследуем влияние событий на
рынки.
согласуются с краткосрочным импульсом и долгосрочными
разворотами.,,,
Цена акций набирает обороты, когда объявляется публичная

(например, объявления о доходах); чем более весомая информация
, тем сильнее эффект импульса. Интересным наблюдением
является то, что
импульс акций фактически начинает нарастать до того, как
делается объявление
(то есть когда публичная информация была частной
информацией),
указывая на то, что ожидания инвесторов, руководствующихся
рекомендациями и прогнозами
Не только инвесторы аналитиков
недостаточно остро реагируют на новую
,информацию,
также играют нороль в эффекте
и биржевые импульса. Другой
аналитики
класс
тоже. альф импульса может
Под давлением коллегбыть основан
аналитики на идентификации
неохотно делают
событий с
выдающиеся использованием
новостей,
(но, объявлений
возможно, о доходах
правильные) или любой
прогнозы; другой
вместо этогоколичественной
они склонны
формулировки, а
постепенно корректировать
затем определении альф на основе доходности акций,
свои прогнозы относительно
предшествующей событию. будущих доходов и целевых цен.
Следовательно, когда
инвесторы на рынке принимают инвестиционные решения на
основе
рекомендаций аналитиков, само общее решение является
недостаточной реакцией; это
дает дополнительное
Альтернативная объяснение
(или эффектагипотеза
дополнительная) импульса цены.
предполагает,
Согласно противоположной
что мгновенные теории запаздывающей реакцией,
ненормальным
инвесторы несут момен-
значительный риск, делая ставки на стратегию, и
Тум
что возвращает в период проведения должны следовать нега-
тивные возвращается
более высокая из-за которую
доходность, последующего разворота,
они получают, когда цены
является
на акции
компенсацией за риск (Li et al.
со временем
2008). вернуться
Стратегии к своим
Momentum, фундаментальным
реализуемые ценностям.
на акциях с высокими
Дэниел и др. (1998)
спредами bid–ask и
Хонг и Стейн
(тем самым (
демонстрируя подверженность риску неликвидности),
1999) предложили
обеспечивают высокую альтернативные модели, которые
доходность (Lesmond et al., 2004). Поэтому крайне важно
учитывать транзакционные
издержки при оценке потенциальной прибыльности
импульсной стратегии. Доходность, связанная со стратегией
импульса,
применяемой на акциях с относительно низким охватом
аналитиков, очень
высока, поскольку более медленное распространение публичной
информации увеличивает
прибыль от импульса (Hong and Stein 1999; Hong et al. 2000).
Наблюдалось, что краткосрочная
прибыль значительно выше, когда
стратегии реализуются на растущих акциях (низкая доходность к
рынку)
по сравнению с ценными акциями (высокая доходность к рынку),
скорее
Введениевсего, потому,Alphas
в Momentum что 157
растущие акции труднее оценить, чем ценные (Daniel and Titan-
man 1999). Несколько противоположный и неожиданный вывод
и Swaminathan 2000). Акции большого объема, как правило,
предполагает,
привлекают
что прибыль больше
от импульса выше для акций с более высокими
публичной
объемами (Leeинформации, и ими легче торговать при более низких
транзакционных
издержках; потенциальное объяснение заключается в том, что
большая разница
Здесь важно во мнениях
упомянуть, что другие альфа-сигналы в их самой
о более высоком
базовой обороте
форме могут может возникнуть
содержать из-за
значительную трудностей в
подверженность
оценке фундаментальной
влиянию фактора ценового импульса
.стоимости этих
В некоторых изакций.
этих случаев импульс представляет собой
непреднамеренный
источник риска, который может быть сведен к минимуму путем
нейтрализации основного сигнала
к фактору импульса. В других случаях – например, сезонность –
импульс вносит
Сезонные значительный
эффекты вкладвлияют
потенциально в окупаемость стратегии,
на эффективность
поэтому мгновенная
стратегии momentum-
нейтрализация не является
tum: было обнаружено, вариантом. Для получения
что среднемесячная доходностьболее
стратегии
подробной
momentum, информации о импульсе как
факторе риска смотрите
соответствующая месяцам,Главу 13.
заканчивающимся на конец квартала,
значительно выше, чем доходность, соответствующая месяцам, не
заканчивающимся на конец квартала
...........
Эта закономерность сильнее для акций с высоким уровнем
институциональной
Другой подход к разработке импульсных альф основан на
торговли,
импульсе, предполагая,
проявляемом что “оформление витрины”
макроэкономическими (продажа
факторами. В
недавних
теории проигравшихценообразования
арбитражного акций доходность акции или
и покупка
другого недавних выигравших
финансового в конце
актива может отчетного периода)
быть смоделирована как
институциональными
линейная функция с помощью гораздо меньшего набора
инвесторами и продажа
макроэкономических с налоговыми
факторов потерями способствуют
или теоретических рыночных
мгновенной доходности акций (Gray 2015).
индексов.
.Подверженность акций различным факторам
динамична и постоянно меняется. Тем не менее, по сравнению с
доходностью по одним
акциям доходность по одному фактору гораздо более стабильна и
демонстрирует
более сильные характеристики импульса (по крайней мере, в
течение
Другойопределенного периода
подход к разработке времени альф основан на
импульсных
или состояния рынка). Таким образом, альфа-коэффициенты,
групповом импульсе, который часто ассоциируется с феноменом,
называемым на факторных регрессиях, предполагают
, что доходность
совместным факторов
движением. оказываетакции
Связанные импульсный
– акцииэффект. Другое
компаний,
применение
которые находятся в сравнимых
сферах бизнеса
фактора импульса
илизаключается
имеют схожиев торговле
риски пофакторами,
общему которым в
настоящее
фактору, который
время в значительной степени объясняет их
отдает предпочтение
доходность, - как правило,
рынок,
движутся
путем обратного
вместе. проектирования
факторов, в которые в настоящее время инвестируют
управляющие взаимными фондами.
...........,
Московиц и Гринблатт (1999) оценили динамику

доходности отрасли, сформировав отраслевые портфели с
акциями, ранжированными на основе
их отраслевой доходности. Они обнаружили, что акции с высокой
доходностью в отрасли
превзошли акции с низкой доходностью в отрасли в течение
шестимесячного периода
после формирования портфеля. Гранди и
Мартин (Grundy and
Martin, 2001) повторно проанализировали, в какой степени
отраслевой момент способствует увеличению прибыли.
Импульсная прибыль также может быть обусловлена эффектом
задержки опережения,
поскольку акции в группе движутся не на одну и ту же величину
в одно и то же время. Обычно несколько лидеров в группе
начинают действовать первыми (возможно,
движимые новой информацией или рано реагируя на общие
факторы
), затем за лидерами следуют другие акции в группе. Отстающие
акции получают импульсную прибыль, поскольку инвесторы могут
стремиться предвидеть
Когда выявляются какие-либо предсказуемые закономерности в
их будущие ценовые движения на основе движения лидеров и
доходности, инвесторы действуют
реализации общих факторов. В дополнение к непосредственно
быстро, чтобы использовать их до тех пор, пока предсказуемость
связанным запасам,
не будет устранена. Однако,
существуют связанные группы (например, отрасли в общей
основываясь на наблюдаемой положительной доходности, которую
цепочке поставок
альфа-акции momentum принесли
), которые передают прибыль от одной ведущей группы другим.
на основных рынках по всему миру, можно утверждать, что
эффект momentum представляет собой самое веское
доказательство против гипотезы эффективного
рынка. По тем же причинам momentum привлекал
и будет продолжать привлекать значительные исследования;
экономисты-финансисты
еще не пришли к единому мнению о том, что именно создает
импульс в
its. Действительно, поскольку импульсные эффекты
свидетельствуют о неэффективности рынка,
предпринимались попытки дать поведенческие объяснения этому
явлению. Разработка momentum alpha на liquid universes (наборах
более эффективных запасов) является особой задачей, которая
требует более глубокого
изучения.
22
Влияние новостей и
социальных сетей на
доходность
Ваньчэн Чжан акций
Введение
Цены на акции естественным образом реагируют на новости. Но в
последние годы новости и
настроения, появляющиеся в социальных сетях, приобретают все
большее значение как
потенциальные предикторы цен на акции. Однако создавать
альфа-версии с использованием новостей непросто. Поскольку
неструктурированные данные, которые часто включают текст и
мультимедийный контент, не могут быть поняты компьютером
напрямую.
Мы можем использовать обработку естественного языка (NLP) и
методы машинного обучения
для классификации и оценки исходного новостного контента, а
также мы можем измерить
дополнительные свойства новостей, такие как новизна,
релевантность и
актуальность, чтобы лучше описать настроение новостей.
НОВОСТИ В АЛФАВИТНОМ ПОРЯДКЕ
Аналогичные методы
могут быть применены к данным социальных сетей для создания
Машинам нелегко точно анализировать и интерпретировать
альфа-символов, хотя мы должны
значение
иметь в виду, что социальные сети имеют гораздо больший объем
новостей. Как и в других областях статистического арбитража,
и гораздо
алгоритм обладает
более шумные, чем обычные новостные СМИ. В этой главе дается
преимуществами быстрого отклика и широкого охвата, но за счет
обзор
меньшей точности, чем аналитик-человек. В настоящее время
способов поиска альф с помощью новостей и социальных сетей.
торговые фирмы могут
анализировать новости в течение 1 миллисекунды и мгновенно
принимать торговые решения.
Важные новости обычно мгновенно вызывают значительные
ценовые
Поиск альф: движения,
количественный подход кчасто с
построению торговых стратегий, Второе издание. Под
редакциейпоследующим превышением
Игоря Тульчинского и др. и и разворотом.
С 2007 года применение сложного лингвистического анализа

новостей и социальных сетей превратилось из весьма
спекулятивной области
исследований в зрелые продуктовые решения. Профессиональные
поставщики данных используют
сложные алгоритмы для анализа новостей и предоставления
результатов в режиме реального
времени. Новостная аналитика и новостные настроения широко
используются организациями, занимающимися как покупкой, так
и продажей, в альфа-генерации, трейдинге и
управлении рисками. ИССЛЕДОВАНИЯ
АКАДЕМИЧЕСКИЕ
Поставщики больших данных все чаще предлагают пакеты, услуги
или
С 2000 года новости о доходности акций стали популярной темой.
источники
Некоторые данных, чтобы помочь фирмам использовать новости в
инвестиционном процессе.
из ключевых областей исследований включают агрегирование и
рассеивание данных о
времени; бета-расчеты с использованием новостей; ведущие
новостные акции; весовые
схемы в текстовом анализе; подтверждение новостей
объявлениями о прибыли за день; идея о том, что отсутствие
новостей является хорошей новостью; представление о том, что
акции,
чувствительные к новостям, выигрывают
Первой исследовательской на рынке в целом;
работой по использованию
подтверждение
социальных сетей для прогнозирования акций была
новостей объемом
“Настроение торгов;
Twitter предвзятость
предсказывает в освещении
фондовый новостей по
рынок”,
акциям; мгновенный
опубликованная Йоханом Болленом,
рост, превышение
Хуиной и разворот
Мао и Сяо-Цзюнь после
Цзэном новостей;Computational
в журнале и связь новостей с
Science
изменениями
в 2011 году. В статье утверждается, что, анализируя тексты в
аналитиков. Соответствующие статьи можно найти, выполнив
Twitter, авторы
поиск
получили точность “новости”
по разделам 87,6% в прогнозировании ежедневных
и “доходность
изменений акций” повышения
в сторону в исследовательской сети социальных наук
и понижения
(SSRN).
значений индекса Dow Jones Industrial Average (DJIA) на конец
года. С тех пор
ключевые области исследований включают предсказательную
силу различных форм социальных
НАСТРОЕНИЯ
медиа; социальные медиа применительно к отдельным акциям;
Проще говоря,
обсуждение шума
настроения измеряют качество новостей. Самое
в социальных
основное определение
сетях; поиск
настроений
ценных твитов
- это полярность
путем наблюдения
новостей:за
ретвитамиплохие
хорошие, и твитами
или
знаменитостей;
нейтральные. Продвинутый
и настроенияанализ
в социальных
настроений
сетях,
может
имеющие
выразить
долгосрочную
более сложныеценность для компании.
эмоциональные детали, такие как “гнев”, “удивление” или
“превосходит ожидания”.
Влияние новостей и социальных сетей на доходность акций 161
Построение новостных настроений обычно включает в себя

обработку на естественном языке и статистические алгоритмы /
алгоритмы машинного обучения (например,
наивные байесовские машины и машины опорных векторов).
Недавний взрыв
технологий глубокого обучения позволил быстро продвинуться в
понимании
Настроения обычно нормализуются в баллы (например, в
новостей. Новые
диапазоне 0-100),техники,
которыетакие как word2vec,
сопоставимы достигли
в разрезе более
активов. По
высокой точности
соглашению, более высокий балл означает, что новости хорошие,
по сравнению
более с классическими
низкий балл означает, чтометодами НЛП.
новости плохие, а балл
Настроение отдельных около 50 означает,
новостей что новости
может зависеть от совокупных
нейтральные.
настроений рынка, сезонности и других временных факторов
(например, до
или после сезона получения прибыли). Для стратегии
относительной стоимости
Настроение также полезно
полезно при управлении рисками. Например,
сравнить относительные настроения среди аналогичных акций.
портфельный
менеджер может сократить размер пакета акций из-за
неожиданных
новостей или оценить ковариационную матрицу портфеля с
учетом
оценки новостных настроений или частоты новостей.
Простой альтернативой может быть прямое отслеживание

настроений:
Если (настрой на акции A > 70) длинные акции A;
если (настрой на акции B < 30) короткие акции B;
используйте акции без новостей в той же отрасли для
нейтрализации.
НОВИЗНА
Новизна определяет, является ли новость совершенно новой

историей или дополнением к
старой истории. Поставщики могут разделить один длинный отчет
на несколько частей. Иногда
история является продолжением предыдущих новостей. В других
случаях
новости могут пересматриваться несколько раз после
первоначального сообщения. Менее новые
новости обычно оказывают меньшее влияние на рынок, потому
что информация,
представленная в предыдущих новостях, возможно, уже отражена
на рынке.
Если мы рассматриваем новости как события во временном ряду,
новизна
-версия время обычно обратно
-версия
пропорциональна времени между событиями.
Пример
Мы могли бы улучшить предыдущую простую альфа-версию,
используя новизну:
70 альфа
Оцените новизну от 0 доновизна
1. ;
если
Если настроение
30 альфа новизна
настроение пожалуйста;
используйте для нейтрализации акции, не содержащие
новостей в той же отрасли.
Актуальность
Новости могут оказать влияние на несколько акций. Актуальность

измеряет
направленность новостей на конкретные акции. Некоторые
новости, такие как прибыль или действия корпорации
, относятся к конкретной компании. Актуальность таких новостей
обычно
высока. В одной новостной заметке может быть рассказано о
Отраслевыекомпаниях
или общиев макроэкономические новости обычно
цепочке поставок
имеют меньшее продукта;кв отдельным
отношение этом случае актуальность новости
акциям.
может быть
Общие новости о банковской
самой высокой
отрасли для компании,
могут повлиять производящей
на многие продукт,
банковские и более о
акции; новость
низкойпродуктах
новых для другихApple может повлиять на Apple и конкурентов,
компаний в цепочкеспоставок.
таких как Samsung,
большей релевантностью для Apple и меньшей - для Samsung.
Другими
словами, релевантность привязывает новостные настроения к
отдельным акциям. Это может
Пример
быть еще одним фактором улучшения альфы новостей.
Мы могли бы улучшить предыдущую простую альфа-версию,
используя релевантность
и игнорировать новости, которые затрагивают слишком много
одной новостью.
акций:
Если чувство70и ns 100 альфа новизна
* актуальность
;
если чувство
Оценитенастоящее
30и ns 100
релевантность отальфа актуальность
* ns =новизны
0 до 1, получите ;
используйте запасы без новостей в той же отрасли для
затронутых акций
-версия
КАТЕГОРИИ НОВОСТЕЙ
Помимо упрощенной классификации новостей на “хорошие” или

“плохие”, дальнейшая
классификация на более подробные категории может улучшить
анализ
новостей и их использование. Категория может быть такой же
широкой, как “доходы”, которая
может включать все отчеты, связанные с доходами, такие как
объявления о доходах, новостных рубрик необходимо учитывать
При использовании
прогнозы доходов,
несколько важных пересмотр
аспектов. доходов, рекомендации по доходам,
телефонныеразные
Во-первых, конференции по доходам
категории новостей могут иметь разное время
и календари доходов. Или это может быть более конкретным,
отклика
например, “корпоративные
на рынке. Некоторые юридические
категории вопросы”.
оказывают долгосрочное влияние
на оценку компаний
; другие категории могут вызывать краткосрочные колебания цен.
Во-вторых, в разное время на рынках появляются разные виды
новостей.
Стратегия ротации категорий может использовать преимущества
этих видов стилей новостей
. В-третьих, некоторые категории новостей специфичны для
определенных отраслей и
секторов и могут затрагивать только эти отрасли или секторы.
Наконец, категории
Пример комбинирование различных типов новостей с другими
облегчают
Рассмотрим пример с новостями о доходах. Мы можем
типами
отказатьсядля
информации от категорий “рыночные обозначений. Например,
создания алфавитных
отчеты”
можно и использовать
использовать простой
новости метод “обучения” для
о доходах
дальнейшего
вместе с обзорами доходов аналитиков. Поставщики новостей,
взвешивания
такие новостей:
как Bloomberg
игнорировать все
, предоставляют тегиновости из категорий
и категории “рыночный дисбаланс”
для необработанных новостей, а
и
автоматическая категоризация
“движения
с помощью рынка”. методов машинного обучения становится
передовых
всеДля
более
каждой
распространенной.
категории новостей
Если настроение
70 и
Category_score ns 100 значение
= среднее альфа относительной доходности
акций после
категория
* появления
актуальности
* __
новизны
оценка
;
новостей за последние два года
если настроение
30и ns 100 альфа
актуальность
* новизны
* оценка _по категории
;
используйте акции без новостей в той же отрасли для
ОЖИДАЕМЫЕ И НЕОЖИДАННЫЕ НОВОСТИ
Кажущаяся хорошей новость, если эта информация уже ожидаема

рынком и, таким образом, отражена в цене, не вызовет
положительного
движения цены. Например, в новостях говорится: “Доходы
значительно выросли – на 150% по сравнению с прошлым годом”.
Анализ этих новостей
обычно дает позитивный настрой. Однако, если предыдущие
рынок кон-
сенсус, что компания будет расти 200%, цена в новостях
ниже ожидаемой и вызовет цене спускаться. Поэтому
может быть полезно использовать новостные данные вместе с
рыночным консенсусом и
ожиданиями рынка. Анализ текста и календаря может быть
полезен при определении того, является ли новость обычным
обновлением
ЗАГОЛОВКИили чем-то
И ПОЛНЫЙ ТЕКСТ
иным. Сюрпризы и неожиданные новости и события обычно
приводят
Заголовкикобычно содержат наиболее важную информацию и
более
хорошозначительным ценовым колебаниям.
отформатированы, поэтому их легче анализировать. Полный текст
более подробную информацию, но с ним сложнее работать. В
одной академической
исследовательской работе показан интересный результат:
большая часть информации в
абзаце содержится в первом и последнем предложениях.
Аналогичным образом, мы можем
больше сосредоточиться
ОТСУТСТВИЕ НОВОСТЕЙ на первом и последнемНОВОСТЬ?
- ЭТО ХОРОШАЯ абзацах статьи
или на первых и
последних
Есть стараянескольких
поговорка:словах. Структура
“Отсутствие абзаца
новостей и предложения
- это хорошая
также могут
новость”. В какой-то
содержать
степени этоценную
верно; информацию.
новости означают перемены, события или что-
то необычное, что происходит,
а рынки ненавидят неопределенность. Новости также обычно
ассоциируются с
более высокой волатильностью, большим объемом, пересмотрами
аналитиков и ожиданием
новых новостей. Эти аспекты предполагают потенциальные риски
для компании.
Поскольку все больше и больше фирм используют новости в своих
моделях управления рисками, институциональные инвесторы
могут сократить свои доли в компаниях,
на которые часто влияют новостные сообщения, или даже
исключить их из
своих портфелей. Поскольку поток институциональных
инвестиций, как правило, оказывает положительное
влияние на доходность акций, это может снизить доходность.
Пример
При чрезмерном количестве новостей для компании, сократите
компанию.
НОВОСТНОЙ ИМПУЛЬС
Если влияние новостей на акции не учитывается рынком

немедленно и в полной мере
, цена акций может измениться или набирать обороты по мере
того, как
новости становятся более широко известными и понятными. Этот
эффект намного
сильнее для акций меньшего объема, поскольку за ними менее
пристально наблюдают, и
для неожиданных новостей. Для крупных акций и ожидаемых
новостей
Пример цена, как правило, демонстрирует разворот после
первоначального скачка.
В течение первых трех дней после выхода новостей
. удерживайте позицию в
том же направлении, что и двухдневная доходность акций за два
дня
до выхода новостей; в течение следующих пяти дней
разворачивайте
сделку, чтобы зафиксировать разворот.
Социальные сети
В апреле 2013 года Associated Press опубликовало в Twitter

сообщение, в котором утверждалось, что в Белом доме
произошел взрыв, в результате которого был ранен президент
Обама.
Твит был ложным, но он вызвал огромную мгновенную реакцию на
рынке.
С 13:08 до 13:10 DJIA упал более чем на 140 пунктов.
Хотя индекс восстановился так же быстро, одно поддельное
событие в Twitter
привело к потерям рынка в размере 136 миллиардов долларов.
Этот случай ясно показывает значительную
потенциальную ценность социальных сетей в алгоритмической
торговле. Многие поставщики данных
используют эту возможность. Такие компании, как Dataminr и
PsychSignal, ежедневно предоставляют миллионы каналов
социальных данных. Они
также предоставляют данные сторонним поставщикам, которые
создают продукты для создания настроений,
используемые многими хедж-фондами.
Самой популярной платформой социальных сетей для создания

альфа-индексов является
Twitter, поскольку ее можно легко сопоставить с акциями
(поставив галочку на символе @
) и людьми (например, генеральными директорами публичных
компаний).
Также растет число
Социальные медиаисследований, основанных
в настоящее время на онлайн-
являются горячей
форумах, таких как доски объявлений Yahoo
областью в квантовых исследованиях. По сути,
Finance и StockTwits,
социальные медиа можноблогах профессиональных
рассматривать инвесторов
как новости, но с гораздо
и трейдеров,
большим Facebook,
объемом и Glassdoor и даже Википедии.
гораздо большим шумом. Многие идеи, которые работают для
новостей, также могут работать
для социальных сетей, но есть несколько проблем при
применении
анализа настроений к содержимому социальных сетей. Во-первых,
в социальных сетях больше
записей и они быстрее обновляются. Во-вторых, контент
социальных сетей
обычно носит случайный формат – например, пост в Twitter может
содержать
множество сокращений и плохо отформатированных слов. Это
увеличивает
сложность языковой обработки. В-третьих, как мы находим
Пример
оригинальные
Используйте частоту твитов и количество ретвитов, чтобы
и важные записи? Большая часть контента в социальных сетях
сократить количество
создается в ответ на
компаний, упоминаемых все чаще (твиты
новости и оказывает меньшее влияние, чем более оригинальный
о компаниях в основном негативные).
контент
Для вкаждой
социальных сетях.
компании подсчитайте количество твитов, в
Следовательно, в социальных
которых упоминался символсетях много
тикера или поддельных сигналов,
название компании в и
именно поэтому
определенный
трудно
день. использовать
Получите
логарифмическую
социальные
t 1 .ретвитов
сети
сумму
для
дляпрогнозов.
каждого твита и
установите его равным t.
Частотачастоту
Установите ранжирования
_ _ альфа-временных рядов,
0. 5 1 месяц
Количество новостей, контента в социальных сетях и компаний,

обрабатывающих
большие данные, быстро растет. Все больше и больше участников
рынка
используют автоматические методы для анализа этой информации
и торговли ею. Следовательно,
среднее влияние каждой части информации на доходность акций
, вероятно, со временем уменьшится. Чтобы продолжать находить
альфы в новостях,
потребуется проанализировать больше новостей, найти наиболее
значимые новости, отфильтровать шум
и внедрить более продвинутые методы машинного обучения для
изучения и
классификации новостей.
23
Stock Возвращает
с фондового
рынка
Автор: опционов
Свастик Тивари и Хардик Агарвал
Введение
В мире финансов, опцион-производный финансовый инструмент,

который представляет собой кон-
тракта продается одна сторона (опционную премию) другой
стороне (опция
держатель), дающий покупателю право, но не обязательство,
совершить покупку или
продажу базового актива или инструмента по заданной “страйк”
на
или до определенной даты. Продавец несет соответствующее
обязательство
выполнить сделку, то есть продать или купить, если владелец
опциона использует этот опцион.
Покупатель платит продавцу премию за это право.
Поскольку опционына
Рынок опционов "колл"
акциидают возможность
предоставляет покупать
много по
полезной
определенной
информации цене, покупатель
для
хочет, чтобы базовый
стремящихся актив илидоходность
спрогнозировать инструмент подорожал.
акций. А
Справедливости
поскольку
варианты способствовать цене Дис-
опционы "пут" дают
восстановления, возможность
потому продать потрейдерам
что они позволяют определенной цене,
выровнять
покупатель
их стратегиихочет,
болеечтобы
предварительно
базовыйсо
именно актив или и
знаком, инструмент
величина ихподешевел. Спекулянты
информацию. Кредитное плечо
в опционах на акции в сочетании с таким соотношением создает
опционы для совершения ставок с привлечением заемных средств
дополнительный
на базовые
стимул для активы, в то
трейдеров время как время
вкладывать хеджеры
и деньги в исследования
для опционы для снижения риска их удержания.
получения
частной информации. Таким образом, сделки с опционами на
акции
Поиск альф: могут предоставлять
редакциейболее точные сигналы
Игоря Тульчинского и др. и о стоимости базового актива, чем
сделки центра WorldQuant.
с самим активом. Поэтому понимание того, как и почему
опционы на акции
влияют на определение цен, жизненно важно для понимания того,
как информация
включается в цены активов.
Общий объем расторгнутых контрактов Среднесуточный объем контрактов

в миллиардах в миллионах
3.9 4.6 4.0 4.1 4.2 20 15.5 18.1 16.0 16.3 16.9
5
4 3.8 90.15% 16 15.2 90.15%
3 12
2 8
1 4
0.4 9.85% 1.7 9.85%
0 0
10 11 12 13 14 10 11 12 13 14
Справедливость
Фьючерсы на индексы не показаны
на графиках
Рисунок 23.1 Погашенные опционы и ежедневные объемы

контрактов
Источник в Options
: © 2018, The 2010-2014 гг. Corporation. Используется с разрешения. Все
Clearing
права
защищены.
Среднее количество контрактов на Средняя премия за контракт
очищенную сделку в долларах
50 1,750
40 1,400
33.5
30 1,050 1,057.2
20 700
13.6
10 350
199.3
0 0
10 11 12 13 14 10 11 12 13 14
Рисунок 23.2 Параметры ежедневные объемы коллов и пут в

2010-2014
Источник
:© годах Clearing Corporation. Используется с разрешения. Все
2018, The Options
права
защищены.
Опционы на акции становятся все более популярными как среди
розничных
, так и среди институциональных инвесторов. В настоящее время в
США существует 15 рынков опционов, которыми управляют BOX
Holdings
В своемGroup, Cboe
годовом Group,
отчете за Miami International
2014 год Options Clearing Corp. (OCC)
Holdings,
статистикуNasdaq
представила и NYSE на
и диаграммы, Межконтинентальной
показанные на рисунках
1 бирже.
23.1–23.3.
1
Лицензирован у Опционной клиринговой корпорации. Все права
защищены. OCC
или ее аффилированные лица не несут ответственности за содержание,
содержащееся в этой книге, или
за другие материалы, не предоставленные OCC. OCC не гарантирует
точность,
адекватность, полноту или доступность информации и не несет
ответственности за
ошибки или упущения или за результаты, полученные в результате
использования такой информации.
Фондовые индексы Информация с рынка фондовых опционов 171

Средний открытый процент на конец месяца Исполненные контракты
в миллионах в миллионах
375 279.5 305.1 263.5 275.5 295.1 750 531.8 556.1 562.2 458.9 449.1
300 600
273.1 92.54%
225 450 423.3 94.24%
150 300
75 150
22.0 7.46% 25.8 5.76%
0 0
10 11 12 13 14 10 11 12 13 14
Рисунок 23.3 Открытый интерес к опционам и исполненные

контракты
Источник в 2010-2014
: © 2018, The годахCorporation. Используется с разрешения. Все
Options Clearing
права
защищены.
ПЕРЕКОС ВОЛАТИЛЬНОСТИ
Полезным источником информации о направлении рынка

опционов является
подразумеваемая волатильность фондовых опционов. Это
значение волатильности
базового инструмента, такое, что, когда значение вводится в
модель ценообразования опциона (например, Блэка-Шоулза),
модель вернет
теоретическое значение, равное текущей рыночной цене опциона.
В
случае опционов на акции график подразумеваемой
волатильности по отношению к цене исполнения
дает искаженную поверхность. Перекос волатильности - это
разница в
подразумеваемой волатильности
В своей статье “Цены на опционымежду опционами
опережают "без
цены на денег",
акции:
"при
имеют деньгах" и "в
ли опционные
деньгах".
трейдеры На перекос волатильности
информационное влияют настроения
преимущество?” и
Джин и др. (2012)
соотношение
провели обзор спроса и
предложения,
существующейилитературы
он предоставляет информацию о том,
по информационному преимуществу,
предпочитают
включая Боллена ли управляющие фондами
совершать сделки
и Уэйли (2004), "колл" и
Брэдшоу или
др."пут". НаГарлеану
(2010), рынках опционов на акции
и др. (2009),
перекос
Ван Бускирка (2011) и Син и др. (2010). Боллен, Уэйли и
обычно
Гарлеану возникает из-за того,
и др. отнесите чтонаблюдаемого
“форму финансовые менеджеры
перекоса в целом
предпочитают
волатильности и его
способность копционы "колл", а не
прогнозированию "пут", какпокупателей
к давлению видно на рисунке
из-за
23.4.
информации, которой обладают опционные трейдеры”.
Боллен и Уэйли считают, что “современные
изменения ежедневной подразумеваемой волатильности
обусловлены изменениями чистого
покупательского давления”. Трейдеры опционами, ожидающие
позитивных новостей
, создают избыток сделок на покупку-колл и/или продажу-пут, что
приводит к
Перекос волатильности
30
28
26
24
22
Подразумеваемая волатильность
20
18
80 90 100 110 120 130 140 150 160 170 180 190 200 210 220 230 240 250
Цена исполнения
Рисунок 23.4 Пример изменения волатильности на рынках опционов

на акции
цены и предполагаемая волатильность опционов "колл" по

отношению к опционам "пут" будут
расти. Аналогичным образом, опционные трейдеры с ожиданиями
негативных новостей создали
избыток сделок на продажу с опционами "колл" и /или "бай-пут",
что приводит к росту
цен и подразумеваемой волатильности опционов "пут" по
сравнению с опционами "колл"
Исследователи
. Таким показали,
образом, когда что существует
трейдеры опционаминегативная
ожидают связь
между
информации о вероятности
перекосами
негативного волатильности
события, спросина
доходностью отдельных
опционы "пут" акций на
без денег
уровне компании. Этот
возрастает по сравнению со спросом на опционы "колл" без денег,
вывод согласуется с гипотезой о том, что искажения
тем самым
волатильности отражают
увеличивая перекос волатильности.
негативную информацию. Син и соавт. (2010) утверждают, что
“больше вола-
tility перекоса обращающихся на рынке опционов на акции, [в]
выше под-
представления.” Они рассчитывают неэффективность базовых
запасов опционов с более высокими перекосами по сравнению с
базовыми запасами
опционов с более низкими перекосами в размере 10,9% в год с
поправкой на риск. В
альфа–режиме длинных и коротких акций это подразумевает
открытие длинной позиции по акциям,
чьи опционы имеют меньшую волатильность, и короткой позиции
по акциям,
чьи опционы имеют более высокую волатильность. В нескольких
недавних исследованиях
изучалась прогностическая способность перекосов волатильности
для экстремально негативных событий
. Ван Бускирк (2011) обнаружил, что перекос высокой
Доходность акций
волатильности Информация с рынка фондовых опционов 173
предсказывает
отрицательные скачки по коротким окнам, содержащим
объявления о доходах
6М
, и по более длинным окнам, не содержащим объявлений о
доходах, но
5М
4М
3М
2М
1М
0М
–1 М
2012 2013 2014 2015 2016 2017
Рисунок 23.5 Показатели alpha для вселенной акций Russell 1000 с

использованием перекос волатильности
2
не прогнозируйте отрицательных скачков в прогнозах прибыли

руководства
или объявлениях о дивидендах. Брэдшоу и др. (2010) показывают,
что “прогностические
способности перекосов волатильности и непрозрачности учета
рисков краха
дополняют друг друга”. По мнению авторов, хотя
информационное преимущество, отраженное в прогностической
способности перекосов волатильности
, больше
Рисунокдля
Нанегативных новостей,
рис. 23.5 показана чем для позитивных,
эффективность альфа-модели для
прогностическая
вселенной акций Russell 1000. Альфа-модель использует наклон
способность рынка опционов
кривой подразумеваемой применима к новостным сюрпризам
волатильности
различных масштабов.
для измерения перекоса. Идея состоит в том, чтобы покупать
Это явление
акции, может
которые быть использовано для поиска акций для
показали
шорт–лонга-коротких
уменьшение наклона кривой подразумеваемой волатильности (или
альфа-акций на более длинных и более коротких временных
уменьшение перекоса
масштабах.
волатильности), и наоборот.
2
Альфа = −(изменение наклона кривой подразумеваемой волатильности).
РАЗБРОС ВОЛАТИЛЬНОСТИ
Соотношение паритета "пут-колл" гласит, что на совершенных

рынках для европейских опционов на акции, не приносящие
дивидендов, выполняется следующее
равенство: CPSDK .
где C и P - текущие цены call и put соответственно; D -

коэффициент дисконтирования; K - цена исполнения; и S -
спотовая цена. Для американских
вариантов, которые
. допускают
. Из этихраннюю тренировку,
соотношений можно уравнение
показать, что
принимает форму
европейские опционы “колл” и "пут" с одинаковой ценой
неравенства:иSдатой
исполнения D K Cпогашения
P
должны иметь одинаковую подразумеваемую волатильность, в то
время как американские опционы "колл" и
"пут" должны
Однако Офекиметь
и др.разброс по подразумеваемой
(2004) показывают, волатильности
что разброс
("спредволатильности
волатильности не может быть
"), относящийся
полностью к премии
объяснен премиейза досрочное исполнение
за досрочное (HullОфек
исполнение. 2008).
и
др. и крем-
ор и Вейнбаум (2010) демонстрируют, что эта волатильность
спреда предполагает
будущем доходности акций. Например, Кремерс и Вайнбаум
обнаружили, что акции
с высокой волатильностью спредов превосходят акции с низкой
волатильностью спредов
в среднем на 50 базисных пунктов в неделю. Боллен и Уэйли
(2004) и
Гарлеану и др. (2009) приписывают “способность прогнозирования
спредов волатильности
моделям опционов, основанным на спросе”. Более высокие спреды
волатильности указывают на
Рисунок На рис. 23.6 показана эффективность альфа-версии для
больший избыточный спрос на опционы "колл", чем на опционы
вселенной акций Russell 3000. Альфа-версия использует
"пут", предполагая,
подразумеваемую информацию о волатильности опционов "колл" и
что у трейдеров опционами могут быть ожидания относительно
"пут" на
позитивных новостей. Таким образом,
деньги. Идея состоит в том, чтобы покупать акции с более высокой
разброс волатильности можно рассматривать как показатель
подразумеваемой колл-волатильностью, чем подразумеваемая пут-
характера (положительного
волатильность,
ОБЪЕМ и наоборот.
ТОРГОВЛИ
или отрицательного) иОПЦИОНАМИ
потенциального влияния новостей,
ожидаемых торговцами опционами
Объемы торговли фондовыми
, путем измерения опционами
общего чистого также
давления могут содержать
покупателей на
полезную информацию
рынке опционов
о будущей
. Этот доходности
феномен может акций. В своей статье
быть использован “
в альфа-тестировании
Соотношение объемадлинных
акций для открытия опционапозиций
к объемупо
акций
акциями будущая
доходность” Джонсон и Со (2011) сосредоточены
с высокой волатильностью спредов и коротких позиций на выводах
по акциям
с низкой волатильностью спредов.
Возвращает информацию фондового рынка опционы 175
4500к
4000 к
3500к
3000к
2500к
2000к
1500 к
1000 тыс.
500 тыс.
0 тыс.
–500 тыс.
2010 2011 2012 2013 2014 2015 2016
Рисунок 23.6 Результаты альфа-тестирования во вселенной акций
Russell 3000 с использованием3 спреда волатильности
что можно сделать из объемы торговли опционами и их под-

лежащих запасы. Авторы предоставляют теоретические и
эмпирические доказательства
того, что O / S – отношение общего объема рынка опционов
(агрегированного по
коллам и пут) к общему объему рынка акций – указывает на
частную информацию, доступную информированным трейдерам.
Показатель O / S был
впервые придуман и изучен Roll et al. (2009), чьи выводы гласят,
что
“изменение O / S в поперечном разрезе и временных рядах может
быть обусловлено
сделками информированных трейдеров, владеющих частной
информацией”. В качестве
продолжения этих выводов Джонсон и Со изучают взаимосвязь
между O / S и будущей доходностью и выясняют превосходство
компаний с низкой O / S
над компаниями с высокой O / S. Их методология включает
3
Альфа = подразумеваемая волатильность по деньгам (опционы "колл" - "пут").
сортировку
компаний по доходности в конце каждого месяца и вычисление
средней доходности портфеля, состоящего из короткой позиции по
акциям с высокой доходностью
и длинной позиции по акциям с низкой доходностью, при
удержании этого портфеля в течение
одного месяца. Этот портфель обеспечивает средний
ежемесячный доход с поправкой на риск
176 Найти Альфы
с хеджированием в размере 1,47%. Авторы объясняют
отрицательную взаимосвязь
между О/С и будущих инвестиций на короткие продажи стоит в
лежа-
щей фондовые рынки: из-за ограничений капитала и собственного
капитала короткие продажи,
затраты,
Согласносообщили
Johnsonтрейдеры предпочитают
and So (2011), торговать более
“O / S прогнозирует
часто, когда
превышение
они ожидают
цен, негативных новостей,
стандартизированную чем когда
необъяснимую они ожидают
прибыль и аномальную
позитивныепри
доходность новости.
ежеквартальных объявлениях о доходах в следующем месяце”. Та
же
методология построения портфеля, основанная на показателях O /
S, также содержит
информацию о будущих объявлениях о доходах, которые
происходят в
месяце, следующем за “месяцем удержания”. Они утверждают,
что это
согласуется
На рисунке с гипотезой о том,
23.7 показаны что O / S отражает
результаты частную во
альфа-тестирования
информацию,
вселенной которая
акций Russell 1000
включается
. Альфа-версияв цены акций, когда
использует новостиостановятся
информацию громкости параметра из
общедоступными. Мех-
кроме
10 М того, они утверждают, что их модель “также прогнозирует,
что
9М
O/S имеет более сильный
сигнал, когда короткие продажи, затраты высоки или
возможность
8М использовать низкий” и
подтвердить
7М
это в данных. Эти идеи могут быть использованы для
длительного низкая О/С
С
6 Ма короткий высокий/или компании в длинный–короткий
капитала
5М
Альфа.
4М
3М
2М
1М
0М
–1М
2011 2012 2013 2014 2015 2016 2017
Рисунок 23.7 Эффективность альфа-тестирования во вселенной акций

Russell 1000 с использованием
соотношения количества
4
опционов к объему
запасов
4
Альфа = объем торговли акциями/ (колл + объем торговли опционами "пут").
Фондовые индексы Информация с рынка фондовых опционов 177
Nasdaq OMX PHLX и сравнивает его со среднедневным объемом

акций.
Идея состоит в том, чтобы покупать акции с высоким
соотношением объема акций к объему опционов
и наоборот.
ОТКРЫТЫЙ ИНТЕРЕС к ОПЦИОНУ
Открытый интерес - это количество непогашенных опционных

контрактов по данному
базовому активу. В своей статье “Предвещают ли изменения
процентной ставки по открытым опционам будущую доходность
акционерного капитала
?” Фодор и др. (2010) исследуют
взаимосвязь между изменениями открытой процентной ставки по
опциону и будущей доходностью.
Они показывают, что трейдеры опционами покупают относительно
больше (меньше) опционов "колл" ("пут")
, когда они настроены оптимистично по базовому активу в
краткосрочной перспективе.
В своем эмпирическом Сими-
исследовании авторы демонстрируют
жде, опционы трейдеры
сильную отрицательную покупают сравнительно больше (меньше)
поставить (помежду
взаимосвязь телефону) варианты,
недавними когда
изменениями совокупных уровней
они в ближайшей
открытых процентных перспективе
ставок делать ставку на снижение
базового
и будущей актива. Из-за такого
доходностью базового капитала. Компании с
поведения изменения
увеличившимся совокупной открытой доли участия
содержат
в информацию
последнее время уровнем о открытых процентных ставок
будущей доходности
значительно уступали акционерного
компаниям капитала. Авторы утверждают,
что информированные
с уменьшившимся инвесторы
уровнем усиливают
открытых процентных ставок. Авторы
свои бычьи (медвежьи)
обнаруживают, взгляды за счет увеличения длинных
что противоположная
позиций
, но "колл"
гораздо более("пут").
слабая взаимосвязь существует для вызова
Фодор и др. демонстрируют документированное предпочтение
изменений в открытых
информированных трейдеров интересах.
,Они отмечают,
впервые что соотношение
рассмотренное Блэком недавних изменений открытой
(1975), использовать свои
процентной ставки "колл" к открытой процентной ставке "пут"
взгляды с помощью
является
вариантовнаиболее эффективным
(бычьи взгляды показателем
на длинные позициибудущей
call и медвежьи
взгляды акционерного капитала и
чтодлинные
на эта взаимосвязь
позиции положительна в том смысле,
put) из-за относительно что за
небольших
значительным
начальных увеличением
коэффициента, как правило,Фодор
требований к размещению. следует относительно
и др. представьтевысокая
будущая доходность акционерного капитала.
дополнительные доказательства того, что реальные
информационные
На рисунке 23.8различия
показанымежду рынками
результаты опционов и акций
альфа-тестирования
приводят
набора акций Russell 3000. В альфа-тестировании используется
к различиям об
информация в скоростях
открытыхвключения
процентных информации в
ставках по опционам "колл"
цены
и на соответствующих рынках. Таким образом, открытая доля
"пут"
участия
из PHLX.вИдея
опционах "колл"
состоит и "пут"
в том, чтобынапокупать
акции акции с более
может
высоким процентом открытия "колл" длинных и коротких акций в
быть использована для выбора
рамках
по сравнению с процентом открытия "пут", и наоборот.
альфы акций "лонг–шорт".
3000к
2500к
2000 к
1500к
1000к
500 к
0k
–500k
2010 2011 2012 2013 2014 2015 2016
Рисунок 23.8 Эффективность alpha для вселенной акций Russell 3000

с использованием колла и пут открытого
5
интереса
Как показано в обширной исследовательской литературе, рынки

опционов на акции
содержат полезную информацию для прогнозирования движения
акций.
Форма перекоса волатильности, разброс волатильности,
объем торговли опционами и открытый интерес к опционам - все
это полезные инструменты для прогнозирования
краткосрочных показателей базовой акции.
5
Альфа = открытый интерес к опционам "колл" / открытый интерес к опционам
"пут".
24
Институциональное
исследование 101:
Отчеты
Авторы: аналитиков
Бенджамин Ии, Хардик Агарвал,
Шубхам
Гоял, Абхишек Паниграхи и Анант Пушкар
Эта глава представляет собой общий обзор отчетов аналитиков об

исследованиях и
рекомендаций по акциям, с которыми исследователи alpha могут
столкнуться в финансовых
средствах массовой информации. Мы обсудим наилучшие способы
доступа к рекомендациям
Рекомендации аналитиков
аналитиков на стороне продажи, рейтинги и
и
изменения – в компаниях и целыхо отраслях
ответим
целевая на важнейший
цена вопрос том, как эти отчеты
– часто освещаются
могут
в помочь вдохновить
финансовых на систематические
газетах, конференциях, блогах иторговые идеи.
базах данных,
которые часто ссылаются на эти отчеты для объяснения основных
изменений цен на акции.
Действительно, многочисленные исследования отраслевых
ассоциаций и ученых
Тем не менее, словосочетание “биржевой аналитик” вызывает в
показали, что образы
воображении аналитические исследования содержат ценную
информацию.исследователей из Goldman Sachs или J.P. Morgan,
искушенных
которые
обзванивают руководителей компаний из списка Fortune 500 с
целью сбора
информации и представления своих результатов
многомиллиардным институциональным
фондам. Как вы, начинающий исследователь alpha (в вашем
распоряжении что-то меньшее,
чем несколько миллиардов долларов), можете получить доступ к
этому ценному объему
анализа? Не менее важно, почему исследователь alpha,
заинтересованный в построении систематических рыночных
стратегий, должен обращать внимание на
то, что обычно является анализом для конкретной компании?
ДОСТУП К АНАЛИТИЧЕСКИМ ИССЛЕДОВАНИЯМ

(РАЗУМЕЕТСЯ, БЕСПЛАТНО)
Отчет аналитика обычно содержит следующее:
• Подробное описание компании и ее отрасли.

• Оценки соответствующих финансовых показателей, таких как
прибыль
• Целевоеи значение
выручка. цены.
• Рекомендация покупать, удерживать или продавать, основанная
на исследованиях
• Тезис, аналитика.
объясняющий рекомендацию.
Аналитики, занимающиеся продажами, часто проводят

исследования, которые являются дорогостоящими, сложными
и отнимают много времени; естественно, они хотят в первую
очередь предоставить доступ
к своим
Тем ценным
не менее, таклиентам. Безусловно,исследований,
часть аналитических вы не сможетекоторая
получить
доступ ко ввсем
попадает общедоступные СМИ, может стать ценным учебным
(или дажедля
пособием к большинству)
начинающиханалитических
альфа- исследований компании
через общедоступные
исследователей.
На самом источники.
деле, некоторые аналитические исследования
..........."
удивительно доступны, а
финансовые СМИ выступают в качестве посредника. В данном
случаеитермин “финансовые
Bloomberg, но и сайты-агрегаторы, такие как Yahoo
СМИ” включает
Finance и Googleне толькоПоследние
Finance. традиционные источники,
являются такие как
особенно
The Wall Street
полезными источниками
Journal
аналитического анализа, оценок и вопросов, задаваемых
корпоративному руководству
во время звонков о доходах. Найти упоминания об исследованиях
о компании часто так же просто, как ввести биржевой тикер этой
компании
В левой части скриншота показаны заголовки и ссылки на
на вашем
статьи, любимом
которые финансовом
иногда опираютсяпортале. Например, аналитиков.
на исследования при вводе С
тикера акций
правой стороны,Apple (AAPL) на портале Yahoo Finance
отображаются
Yahoo Finance любезно заголовки, показанные
обобщила на
рекомендации аналитиков
рисунке 24.1 за ноябрь 2018 года.
(сильная покупка, продажа и т.д.), целевые цены, повышения и
понижения рейтингов.
Нажав на Обновления и понижения рейтингов, откроется
подробная таблица
Возможно, с
вы захотите опробовать этот процесс на других
оценками прибыли
порталах,
Погуглите для
илиAAPL,
таких как
финансы а также тенденцией
Bloomberg.com, EPS
прежде чем и
выбрать тот,
изменениями для компании.
который работает
Институциональные исследования 101: Отчеты аналитиков 181

Рисунок 24.1 Скриншот результата поиска по запросу “AAPL” в
Yahoo
Источник Finance
: Yahoo Finance © 2019. Все права защищены. https://finance .yahoo.com /.
лучше для вас. Если они не предоставляют того, что вы ищете,

попробуйте использовать
поисковые системы
Как и в случае напрямую (например,
с аналитическими Google “Отчеты
исследованиями, финансовые
порталы AAPL”).
часто предоставляют стенограммы звонков о доходах
компаний, а также вопросы биржевых аналитиков во время
звонков и ответы руководства. В следующем примере мы
используем другой
финансовый портал, Seeking Alpha (https://seekingalpha.com). В
Интернете есть много
мест, где вы можете найти подобную информацию. Другие
примеры
: веб-сайт Motley Fool (www.fool.com), веб-сайты фондовых бирж
(такие как www.nasdaq.com) и раздел по связям с инвесторами на
веб-сайтах компаний
. Некоторые из этих источников также содержат изрядное
количество обсуждений
небанковских рыночных комментаторов по конкретным отраслям,
а также по отдельным акциям.
Обсуждение на этих сайтах может быть похоже на исследование
биржевых аналитиков, затрагивая такие вопросы, как
фундаментальные показатели конкретной фирмы,
макроэкономика, геополитика и рыночные условия. В таблице
24.1 приведены
дополнительные
В поисках Альфы примеры таких сайтов с рыночными
комментариями и финансовых блогов.
Таблица 24.1 Сайты с комментариями по рынку и финансовые блоги

Сайты с комментариями по
Ссылка
рынку
Блумберг http://www.bloomberg.com
The Wall Street Journal http://www.wsj.com
http://www.seekingalpha.com
Утренняя Звезда http://www.morningstar.com
Улица http://www.thestreet.com
Финансовые блоги Ссылка
Econbrowser http://econbrowser.com/
Бесплатный обмен http://www.economist.com/blogs/freeexchange
ZeroHedge http://www.zerohedge.com/
Консультативная группа CXO
http://www.cxoadvisory.com/blog/
Фрикономика http://freakonomics.com/
Маргинальная революция http://marginalrevolution.com/
Примечание
: Во многих местах наш список совпадает с рейтингом, составленным журналом Time.
- этоURL-адрес
http://content.time.com/time/specials/packages/completelist/0,29569,2057116,00.html.
Узнайте, сможете ли вы узнать о доходах Apple за третий

квартал 2018 года - позвоните в отдел вопросов и ответов tran-
script и analyst на веб-сайте Seeking Alpha (рис. 24.2).
ПОКА ВСЕ идет ХОРОШО. Но ПОЧЕМУ ТЕБЯ ЭТО ДОЛЖНО

ВОЛНОВАТЬ?
Хороший вопрос. Большинство аналитических отчетов (и
комментариев к рынку)
сосредоточены на одной акции или отрасли, в то время как вы, как
альфа-
поисковик, ищете систематические рыночные стратегии, которые
торгуют десятками
тысяч акций каждый день. Ну и что, если какому-нибудь
аналитику
Вы можетеиз объединить
банка информацию из отчетов аналитиков по
XYZ нравится
различным конкретная компания? Как нам перейти от этого к
акциям
,торговле с
чтобы создать альфа-версию, которая торгует более
тысячами
диверсифицированным
1. компаний на набором
Рекомендации 20 различных
акций.
фондовых биржах по всему
Полезная информация из отчетов аналитиков включает
миру?
рекомендации по покупке и продаже
. Исправления. Мы можем использовать средний рейтинг
рекомендаций для
акций, чтобы сделать альфа-оценку. На рисунке 24.3 показаны
Рисунок 24.2 Скриншот объявления о доходах Apple за третий

квартал 2018
стенограмма
года о поиске альфа-версии
Источник
: Ищу Альфу. http://seekingalpha.com .
альфа-платформа, использующая рекомендации по покупке и

продаже из отчетов аналитиков
для вселенной акций Russell 3000. Идея состоит в том, чтобы
открывать длинные
позиции по акциям с рекомендациями на покупку и короткие
позиции по
рекомендациям на продажу.
5e6
4e6
3e6
2e6
1e6
0
01/07 01/08 01/09 01/10 01/11 01/12 01/13 01/14 01/15 01/16 01/17
Рисунок 24.3 Эффективность alpha с использованием рекомендаций

1
по покупке и продаже
2. Целевые цены
Аналитики рассчитывают прогнозируемые уровни цен на акции.
На рисунке 24.4
показаны результаты альфа-тестирования с использованием
вселенной Russell 3000
, которая сравнивает целевую цену аналитика с текущей ценой
акций.
3. Идея
Оценки состоит в том, чтобы купить акцию, если прогнозируемая
доходов
целевая цена
Аналитики выше
предоставляют оценки для различных
текущей цены акции,
фундаментальных и продатькомпании,
показателей ее без покрытия, если целевая
цена
такихнижекак прибыль, дивиденды и денежный поток. Рисунок 24.5
-текущей цены.
это мгновенный
снимок
Рисунокобобщенной статистики
На рис. 24.6 показаныдля оценки доходов
результаты альфа- AAPL от
Yahoo Finance.на основе набора акций Rus-
sell 3000 с использованием оценок роста прибыли.
Альфа-банк покупает акции с положительным ростом и продает
короткие акции
с отрицательным ростом.
1
Альфа = средняя рекомендация на покупку − средняя рекомендация на продажу.
12 М
10 М
8М
6М
4М
2М
0М
–2 М
2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Рисунок 24.4 Эффективность альфа-тестирования

2
с
использованием целевого ценового показателя
Валюта в долларах США
Оценка прибыли Текущий Qtr. (Декабрь 2018)
Следующий Qtr. (МартТекущий
2019) год (2019) В следующем году (2020)
Количество аналитиков 34 33 40 34
Средняя оценка 4.72 3.04 13.45 14.83
Низкая оценка 4.51 2.41 11.54 10.98
Высокая оценка 5.59 3.39 15.4 18.5
Год назад EPS 3.89 2.73 11.91 13.45
Рисунок 24.5 Скриншот результатов оценки доходов для

AAPL на Yahoo Finance
: Yahoo Finance © 2019. Все права защищены. https://finance .yahoo.com.
Источник
4. Неожиданные доходы
Когда компания публикует данные о своей прибыли за квартал
или год,
фактическую цифру прибыли можно сравнить с доходами,
рассчитанными аналитиками за этот период. Более высокий,
чем ожидалось, доход
2 обычно
Альфа воспринимается
= целевая цена аналитикакак положительный
− цена акций. показатель, и
наоборот.
4500 к
4000к
3500к
3000 к
2500к
2000к
1500к
1000 к
500 к
0k
–500k
2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Рисунок 24.6 Эффективность alpha с использованием

3
оценок
прибыли
Рисунок На рис. 24.7 показаны результаты альфа-тестирования,

основанного на
вселенной акций Russell 3000, в котором используется
неожиданный доход.
Идея состоит в том, чтобы покупать акции, если доходы
компании постоянно
превышают оценки
Исследователи, аналитиков,
ищущие и продавать
систематические их без покрытия,
рыночные стратегии,
еслиразработать
могут доходы занижают
оценки. или менее известные альфа-идеи, прочитав отчеты
уникальные
биржевых аналитиков.
Возможно, стоит рассмотреть
• Мыслительный следующиегораздо
процесс аналитика моменты: важнее, чем
любая
конкретная рекомендация на покупку или продажу.
Решила ли она обновить
AAPL по отраслевым причинам (рынок смартфонов
растет двузначными темпами), по причинам, специфичным для
компании
(чистая прибыль росла в течение последних четырех кварталов),
или
3
по более
Альфа общимвпричинам,
= изменение таким
оценке прибыли как низкое
аналитика соотношение
на следующий цены
финансовый
и прибыли у AAPL
период.
по сравнению с остальной отраслью? Независимо от причины,
11 М
10 М
9М
8М
7М
6М
5М
4М
3М
2М
1М
0М
–1 М
2006 2008 2010 2012 2014 2016
Рисунок 24.7 Производительность alpha с использованием

4
сюрпризов для заработка
интересный вопрос: могу ли я применить это к другим

компаниям?
Например, если аналитик говорит, что ей нравится AAPL, потому
что генеральный директор
покупал акции компании, следует ли применять эту логику
только
Рисунок На рис. 24.8 показана альфа-версия, разработанная с
к AAPL или к компаниям,
использованием котирующимся
этой гипотезы (открывайте на бирже в целом?
Известно,позиции,
длинные что эта линия рассуждений
если будет обратныйпозволяет выдвигать
выкуп акций, и короткие
новые
позиции стратегические
• Аналитики в противном идеи. для
случае)
обычно задают вселенной
хорошие акцийво
вопросы Russell
время
....
3000.
должны,опотому
звонков доходах.чтоОни
им за это высоко платят. И для
начинающего исследователя,
пытающегося выяснить, как разобраться в плотных цифрах,
которыми являются финансовые отчеты
современной корпорации, эти вопросы могут стать спасением.
Больше информации не всегда лучше, особенно если у вас есть
20 страниц
цифр на компанию и вам нужно отделить сигнал от шума. Как
4
вы можете
Альфа понять,
= фактический какая
отчет учетная
о доходах запись
− оценка важна?
прибыли Один из ключей
аналитика.
к разгадке -
подумать о цифрах или тенденциях, на которых
сосредотачиваются аналитики, и о логике
7M
6M
5М
4М
3М
2М
1М
0М
–1 М
2011 2012 2013 2014 2015 2016
Рисунок 24.8 Эффективность альфа-тестирования

5
с
использованием обратного выкупа акций
это мотивирует их вопросы. Озадачены ли они чрезвычайно

большим
и несезонным изменением запасов от квартала к кварталу?
Почему это важно? Как всегда, мы должны спросить, является
лиОдин
это чем-то
из способов извлечь торговые сигналы из звонков о
, что в целом
доходах важно за пределами обсуждаемой компании.
- сосредоточиться
на коллективном мнении руководства компании и
аналитиков и репортеров, присутствующих во время таких
звонков. Вопросы Ана-
лисце и ответов, полученных от управления может выступать
Алгоритмы синтаксического анализа текста могут
мерой
использовать эту информацию для получения чистой
в целом настроения участников рынка о компании качество
оценки настроений (положительной или отрицательной) по
прибыли и
акциям и принятия соответствующего решения о покупке
, следовательно, цена ее акций.
или продаже.обладают
• Аналитики Рисунок 24.9 показан альфа,
детальным использующий
знанием эту
отрасли. В роли
идею во(2014)
Ларраби
указывает на то, что отраслевая экспертиза была названа одним
вселенной
из Russell 3000.
наиболее важных атрибутов (и конкурентных преимуществ)
анализа запасов
5 . Лучшие
Альфа = еслианалитики на стороне
акции выкуплены продаждиректором
исполнительным способныкомпании,
изменитьто цены
акций с помощью
покупайте; в противном случае продавайте.
6 МИЛЛИОНОВ
5М
4М
3М
2М
1М
0М
–1 М
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
Рисунок 24.9 Производительность alpha с использованием

6
данных о прибылях и убытках
их рейтинги и прогнозы, и этот эффект сильнее у аналитиков с

опытом работы в отрасли. Исследователи Alpha могут многое
узнать о методологии
изМетодологии
■
работы аналитиков. Например: в разных отраслях.
оценки различаются
Построение модели нерасчислимых денежных потоков может
сильно отличаться для производственного
сектора по сравнению с фирмами потребительского цикла,
нециклическими компаниями
и другими секторами..........."..........."
Аналитики могут сосредоточиться на различных методах
оценки,
rics, таких как соотношение цены и прибыли для одной
■
отрасли и соотношение
Каждая отрасль цены исвой собственный уникальный
может иметь
балансовой стоимости для другой. Для исследователя alpha
драйвер или показатель операционной
важно
эффективности, который обычно занимает видное место в
понять
отчетахпричины,
аналитиковлежащие в основе этих различий, чтобы
надлежащим образом нормализовать
. Доткомы привыкли смотреть на “глазныеи сравнить
яблоки”данные
еще вдля
6
множества
Альфа = среднее
конце 1990-х торгуемых
положительное настроение − среднее негативное настроение.
акций.
(возможно, они все еще это делают), и авиакомпании думают о

“пассажирских милях”,
в то время как биотехнологические компании могут
сосредоточиться на испытаниях лекарств или на стадии
разработки. Понимание ключевых факторов операционной
• Исследования
эффективностианалитиков могут давать достоверные
торговые
в каждойсигналы.
исследования аналитиков
отрасли Иногдамогут
может помочьнапрямую влиять alpha
исследователю на цены
акций. Возможно,
определить вы видели различия в эффективности своей
межотраслевые
заголовки,
стратегии.приписывающие значительное повышение или
падение
. цен на конкретный тикер
повышению или понижению рейтинга аналитиков или
увеличению целевых ценовых показателей.
Обширный массив научных исследований показывает связь
между
исследованиями аналитиков и доходностью акций; вы можете
найти это в Google Scholar в разделе
НА“Исследования
ЧТО СЛЕДУЕТ биржевых аналитиков”.
ОБРАТИТЬ ВНИМАНИЕЛучшее понимание
при ЧТЕНИИ
рекомендаций
ОТЧЕТОВ АНАЛИТИКОВ аналитиков может помочь вам лучше
использовать эту информацию при
построенииотстратегий.
Независимо того, читаете ли вы аналитическое исследование в
.
поисках вдохновения для
новых рыночных стратегий или хотите использовать его
рекомендации и целевые показатели
непосредственно при разработке стратегии, это может помочь
иметь
• в виду некоторые
Положительная предвзятость. Хотя разные банки
плюсы, минусы и разных
придерживаются
демографические особенности этогоутверждают,
исследователи
подходов, исследования.
aca- что фондовые
аналитики как группа проявляют
позитивную предвзятость. Одним из следствий этого является
то, что распределение рекомендаций аналитиков является
искаженным.
Например, если мы считаем рекомендации по покупке,
удержанию
и продаже, то рекомендаций по покупке гораздо больше, чем по
продаже.
• Выпас Академические
скота. исследователи
Стадность относится обсуждали
к теории, причины
согласно которой
этого;
аналитики
слишком стараются не быть
разными друг от друга в своих публичных
Майкли и Вомаки(1999) и Лин и МаКниколс (1998)
рекомендациях
задавались вопросом,
целях. Отчасти причинасклонны ли банки
этого может давать
быть оптимистичные
поведенческой:
рекомендации
делать публичные
компаниям,
прогнозы с которыми
цен они поддерживают
на акции (или, выражаясь языкомотношения.
аналитиков,
“целевые показатели”) - рискованное
занятие, имеющее последствия для карьеры. При прочих равных
условиях, в численном отношении может
быть некоторая безопасность от того, чтобы идти вместе с
толпой. Следствие
к этому относится то, что аналитики, которые более уверены в

себе или имеют сложившуюся
репутацию, обычно готовы
Помимо поведенческих большеуотклоняться
причин, от консенсуса.
аналитиков могут быть
веские причины
прийти к схожим выводам – например, большинство из них могут
работать
на основе одних и тех же источников информации.
Следовательно, может быть интересно
понять основные
• Снижение отклонения
охвата. Аналитикианалитиков от консенсуса,
имеют большую тенденциюв чем
уникальность
выставлять
хотя бы слегкаих
оценки методов или (или
положительные),
на покупку источника
чем данных и Причина
по на продажу. можно лиэтого
это
систематизировать.
укоренилась в том, как работает финансовая индустрия.
Желание аналитиков
угодить своим потенциальным инвестиционно-банковским
клиентам может создать конфликт
интересов. Публикация негативных исследований акций их
собственных корпоративных
клиентов (или потенциальных клиентов) может стоить
брокерским компаниям прибыльного бизнеса
. Другими словами, брокерская фирма скорее ошибется в любой
5000к
рекомендации по покупке или продаже, чем окажется права и

4500к
потеряет корпоративного клиента.
4000 к
3500к
3000к
2500к
2000к
1500к
1000к
500 к
0k
–500k
2010 2011 2012 2013 2014 2015 2016
Рисунок 24.10 Производительность альфа-версии

7
с
использованием снижения покрытия
7
Альфа = краткосрочный охват аналитиков / долгосрочный охват аналитиков.
В некоторых случаях – особенно в акциях с большой

капитализацией - аналитик может скорее
снизить охват акции, чем подать сигнал на продажу по ней и
впоследствии оказаться
неправым. Таким образом, снижение покрытия акций, особенно
с
большой
Рисуноккапитализацией, может быть
На рис. 24.10 показана тревожнымальфа-анализа,
эффективность сигналом.
Выдача
в рейтинга
котором продаж небольшой компании
сравнивается
может иметь меньшие
краткосрочный последствия
и долгосрочный для
охват аналитика, Идея
аналитиков. чем выдача
рейтинга продаж
заключается в том, что если
крупной компании.
количество аналитиков, охватывающих акции, значительно
сократилось
по отношению к их долгосрочному охвату, то мы открываем
короткуюБИРЖЕВЫЕ
ПОЧЕМУ позицию по акциям; мы открываем
АНАЛИТИКИ ОБЩАЮТСЯ С
длинную позицию СМИ?
ФИНАНСОВЫМИ по акциям, если краткосрочный охват
Если увеличился.
бы вы потратили значительное время и энергию на
подробный анализ, который
привел к появлению замечательных торговых идей, вашим первым
побуждением, возможно, было бы не
снимать трубку и рассказывать об этом куче репортеров. В конце
концов,
Тем невозможности многих
менее, мы постоянно
идей ограничены – только очень много людей
находим упоминания об исследованиях могутвими
аналитиков сообщениях
торговать,
СМИ. прежде чем
Фактически, мы можем даже полагаться на это, потому что
ценапозволяет
это начнет значительно
нам заглянутьколебаться и шанс на прибыль исчезнет.
в мир аналитических исследований практически без затрат. Чем
объясняется
• такая встречи между биржевыми аналитиками и
Многочисленные
доступность?
компаниями, Некоторые
открыты длякоторых онивозможные
освещают
представителей причины: и, следовательно,
общественности
для финансовой прессы.
Одним из примеров этого являются звонки о доходах, которые
доступны через
общедоступные стенограммы. В США Положение Комиссии по
ценным бумагам и биржам
о справедливом раскрытии информации, известное как Reg FD,
предусматривает,
что непубличная
• Определенная информация,
известность, раскрываемая
вероятно, эмитентами
не повредит карьере
специалистам
биржевого
Упоминаний в по
аналитика
СМИ инвестициям
и интервью может увеличить спрос на
,аналитика
также должна быть доступна
исследования средивсем участникам
инвесторов, рынка.
клиентов и громких
Сюда входят как аналитики, работающие в многомиллиардных
Реко-
банках, таккоторые
мендаций, и доказали право (например, называя рынок
представители
дна в инвестиционной общественности.
2009) может ускорить аналитика карьеру. Эти преимущества
возможны
только в том случае, если аналитики обнародуют некоторые из
своих исследований.
Институциональное исследование 101: Отчеты аналитиков 193

• Аналитические исследования могут быть доступны через

финансовые
• СМИ.
Рекомендации аналитиков и целевые цены могут быть
торговыми сигналами
сами по себе.
• Фундаментальные оценки, предоставленные аналитиками, дают
прогноз дляи могут быть использованы для составления альфа-
компании
• оценок.
Цены акций могут реагировать на неожиданности, возникающие
в между
результате разницы
опубликованными фундаментальными показателями и
соответствующими им консенсусными
• значениями.
Методологии и процессы рассуждения, к которым приходят
аналитики
их рекомендации могут стать источником идей для
• исследователей alpha. о доходах могут быть проанализированы,
Расшифровки звонков
чтобы получить чувствах
коллективных представление о
руководства компании, биржевых
аналитиков и
• репортеров.
Следите за предостережениями, такими как позитивная
предвзятость, привлечение аналитиков и
снижение охвата.
25
Инвестирование,
ориентированное
Автор: Пратик Шривастава на
события
Джозеф Николас определяет стратегии, основанные на событиях,
в своей книге "Хедж-фонд
(2004) как “стратегии, основанные на инвестициях
инвестирования в фонды"
в
возможности, создаваемые значительными транзакционными
событиями, такими как спин-
оффы, слияния и поглощения, отраслевые консолидации,
ликвидации,
реорганизации, банкротства, рекапитализация, обратный выкуп
акций и
другие экстраординарные корпоративные сделки.
Неопределенность в отношении
исхода этих событий создает инвестиционные возможности для
менеджеров,
Введение
которые могут правильно их предвидеть, и успех или неудача
обычно
Инвестиционные стратегии, ориентированные на события,
зависит
пытаютсяотизвлечь
того, точно ли менеджер
выгоду из предсказывает исход и
сроки конкретного события ”.
неэффективности цен при проведении мероприятий, характерных
для конкретной компании (а иногда и для всего рынка)
. Наиболее популярные стратегии, основанные на событиях,
включают
• Слияния действия, предпринимаемые
и поглощения, которые приводят к торговой стратегии,
в как
ответ на
известной корпоративные
арбитраж слияний илидействия:
рисковый арбитраж.
• Спин-оффы, отделения и выделения.
• Проблемные ценные бумаги.
• Перебалансировка индекса.
• Мероприятия по реструктуризации капитала, такие как выкуп
акций, обмен
и выпуск долгами,
ценных бумаг.
Стратегии, основанные на событиях, важны, потому что их

распределение
значительно прибыли
отличается от рыночного, обеспечивая
ВОССТАНОВЛЕНИЕ РАСШИРЕНИЕ ПИК СПАД
• Смена руководства • Реструктуризация капитала, • Реструктуризация капитала • Реструктуризация капитала

• Слияния и поглощения • корпоративное финансирование, • Перефинансирование корпораций,
• Корпоративное финансирование
• Реорганизация после банкротства • смена руководства • сокращение доли заемных средств • Выделение проблемных активов
• , слияния и поглощения • , слияния и поглощения • активизм акционеров
• , выделение и разделенных компаний •
Рисунок 25.1 Корпоративные мероприятия на этапах делового

цикла
диверсификация общего портфеля типичного хедж-фонда.

Корпоративное
мероприятие, как правило, уникально для конкретной
организации
Еще однимиважным
не связано с
преимуществом стратегии,
событиями на широком
ориентированной рынке,является
на события, что помогает уменьшить
то, что это
зависимость стратегия.
всесезонная портфеля отНарынка.
каждом этапе делового и
экономического
цикла компании ищут способы увеличить акционерную стоимость,
поэтому
всегда происходит какое-то корпоративное мероприятие.
Например, арбитражные события при слияниях происходят
довольно часто, когда экономика расширяется,
а события, связанные со стратегией проблем, более
распространены, когда экономика
АРБИТРАЖ по СЛИЯНИЯМ
сокращается.
На рисункепо
Арбитраж 25.1 перечислены
слияниям корпоративные
или рискам, вероятно, события,
является которые
наиболее
происходят чаще на
известной инвестиционной стратегией, основанной на событиях
различных фазах
. При слиянии дведелового
компании цикла.
взаимно соглашаются на
объединение
, что часто предполагает обмен акциями. При приобретении
есть четко очерченный покупатель (приобретатель) и продавец
(цель). Часто
слияния и поглощения начинаются как приобретение, возможно,
недружественное, но в конечном итоге
цель уступает и соглашается на слияние. Арбитраж по слияниям -
это ставка на то, что
сделка завершится или не завершится. Некоторые из основных
причин, по которым компании
совершают поглощения, перечислены в таблице 25.1.
С тех пор как хедж-фонды начали распространяться в 1990-х

годах, арбитраж по слияниям
был классической рыночной нейтральной стратегией. Однако эта
деятельность
восходит к 1940-м годам, когда Густав Леви создал первое
арбитражное бюро
на Уолл-стрит в инвестиционном банке Goldman, Sachs & Co.
Goldman
был ценным учебным полигоном для менеджеров хедж-фондов,
включая
Дэниела Оча, Ричарда
Арбитражный Перри
процесс и Тома Стейера,
по слиянию которые вышли
обычно начинается, когдаиз
его рисковой
арбитражной
обращается к группы
целевойвкомпании
1980-х годах, чтобы основать
с предложением свои
о слиянии или
собственные фирмы. Фактически,
поглощении
арбитраж по слияниям
. Это обсуждение никогда
происходит нане был более
уровне мощным,
совета чем иво
директоров
время бума выкупа акций в
держится в секрете. Если компании договариваются о сделке, в
1980-х годах, когда
пресс-релизе арбитражеры обеспечивали рычаги влияния во
раскрываются
многих
важные условия слияния, такие как цена предложения для
враждебных сделках
целевой компании тойкоэффициент
(или эпохи. обмена акций в случае
слияния) и то, будет ли сделка оплачена наличными или акциями.
Как следует из названия, слияние оплачивается наличными; при
сделке с участием всех акций слияние оплачивается акциями
приобретающей компании по
определенному обменному коэффициенту. (Многие сделки
предполагают комбинацию наличных денег и
акций.) После новостей о слиянии цена акций целевой
компании обычно подскакивает, но, как правило, она не достигает
цены слияния цена предложения целевая цена акций
, поскольку Разброс сделок
сделка сопряжена с риском быть незавершенной. Это
целевая цена акций
тот момент, когда вступает в дело арбитражер по слияниям.
Разница между
Это доходность (за исключением выплат дивидендов до
ценой акций целевой компании и ценой слияния известна как
даты слияния и операционных издержек), которую получит
спред по сделке:
арбитражер по слиянию, если
сделка состоится.
В течение нескольких дней после официального объявления о
сделке обе компании публикуют полное
соглашение о слиянии. Соглашение содержит
все детали слияния, включая условия, необходимые для закрытия
сделки, требуемые разрешения правительства и, что наиболее
важно,
пункт о существенных неблагоприятных изменениях (MAC). В
предложении MAC перечислены
Инвестирование, основанное на событиях 199
условия, в основном финансовые, при которых любая из сторон

может отказаться
от Управляющий
сделки. фондом слияний и поглощений тщательно
проанализирует соглашение о сделке,
проведет подробный финансовый анализ сделки, примет участие в
телефонных конференциях руководства и проверит заявки обеих
компаний в
Комиссию по ценным бумагам и биржам, чтобы спрогнозировать
завершения слияния и достаточно ли высока ожидаемая прибыль
от сделки
, чтобы оправдать связанный с этим риск. Если ему нравится
сделка,
Управляющий фондом будет проводить диверсификацию по
управляющий
многим сделкам, фондом
чтобыпримет решение что
гарантировать, о размере позиции и
застрахует риски.
ни одно неудачное слияние не приведет к неприемлемо большому
Например,
сокращению в случае слияния всех акций управляющий фондом
купит
портфеля. По данным Института слияний, поглощений и альянсов,
акции
толькоцелевой
в США скомпании
1985 годаибыло
продаст акции приобретателя,
объявлено о более чем 300чтобы
000
застраховать
сделках слияний и поглощений, общая
риск того, что
стоимость цена оценивается
которых акций последнего
в 33,2 упадет до заключения
триллиона долларов.
сделки.
С
точки зрения общей
На завершение стоимости
слияния транзакций
влияют 2015 год был
многие условия.
историческим: 2,4
Дружественные трлн долларов, заключено
слияния
,примерно 13 000
когда сделка сделок. Рекордное
поддерживается количество
руководством сделоккомпании,
целевой было
заключено
имеют болеев 2017 году,вероятность завершения, чем враждебные
высокую
когда было совершено
поглощения. Некоторые 15 558 сделок. Вся эта деятельность
сделки могут неуправляющим фондами одобрений из-за
получить необходимых
достаточный спектр
антимонопольных мероприятий для диверсификации их
проблем
портфелей.
или других нормативных вопросов. Сделка также может потерпеть
неудачу из-за общих рыночных условий.
Например, если планируется использовать внешнее
финансирование для
оплаты слияния,
Стратегии а на рынке
арбитража возникаеткак
по слияниям, кредитный
правило,кризис,
не
коррелируют может
с рыночными
оказаться не вно
движениями, состоянии организовать
они не застрахованы отфинансирование.
рыночного риска.
Аналогично,
Доходность если
цена акцийслияний
стратегий целевойикомпании
поглощенийупадет ниже цены предложения
не коррелирует во время о
слиянии
бычьего ииз-за падения
умеренно рынка, рынков,
медвежьего
покупатель может посчитать,
но при значительных чтодемонстрируют
спадах они переплачивает более
за акции, и
высокую
сделка может не
корреляцию с рынком,
состояться по первоначальной
поскольку такие цене.
факторы, как неопределенность завершения,
проблемы с регулированием или
невозможность получить финансирование, увеличивают риск
срыва сделки.
ПОБОЧНЫЕ ПРОДУКТЫ, ОТДЕЛЕНИЯ И ВЫДЕЛЕНИЯ
Выделение - это противоположность слиянию: отчуждение, при

котором компания
отделяет часть своего бизнеса (подразделение или дочернюю
компанию) и
организует его как независимую компанию, которая часто
торгуется публично.
Как правило, это делается для увеличения общей акционерной
стоимости (таблица 25.2).
Компания может захотеть продать свой непрофильный или
несущественный бизнес, чтобы
сосредоточиться на своих ключевых операциях и компетенциях.
Например,
Отколы иGeneral
выделения похожи на побочные продукты. При
Electric
выделениипродала
акций15% своего непрофильного финансового
держатели акций
подразделения Synchrony
материнской
Financial
компании
в получают доли в
ходе первичного
дочерней компании публичного
на пропорциональной
размещения акций в 2014 году и
завершила
основе. В случае
разделение
разделения
в следующем
акционеры
году,
материнской компании
предложив
решают, предлагать
акционерам ли акции
GE возможность
материнскойобменять
компании
свои
в обмен
акции на
наПобочные
акции
доли в 85% продукты
Synchrony,
довольно
которыми
распространены;
GE все еще владела.
обычно их около
(Дополнительные
дочерней
50 в год только
компании.
в примеры
При разделении акционерного капитала
побочных
материнская
США. Многие
продуктов
компания
исследования
см.продает
в таблице
показали,
некоторые
25.3.)
что как
акции
выделившиеся
дочерней компании, сохраняя при этом дробную долю в бизнесе.
компании
, так и их родительские компании превосходят рынок в первые
годы после
разделения. Побочные компании обычно выигрывают по
нескольким причинам. Поскольку
предприятия больше сосредоточены на своих основных продуктах,
они работают более
эффективно,
Несмотря на а прибыльность каждогочасто
то, что эти компании подразделения
выигрывают имеет
в
тенденцию к росту. Кроме
долгосрочной перспективе, они того,
рынок начинает
иногда испытывают более точно оценивать
краткосрочную каждую
ценовую бизнес-единицу:
слабость. Это может
аналитики
произойти могут
присвоить
из-за того, каждой
что акции единице соотношение
выделенного цены и прибыли
подразделения могут не
отдельной отрасли, к
соответствовать инвестиционным критериям
которой она материнской
акционеров относится, вместо того, Например,
компании. чтобы полагаться на более
выделенная
широкий
компаниясектор или на
рыночную
будет иметь стоимость.
меньшую капитализацию, и у некоторых акционеров
могут быть
ограничения на их доступ к акциям с малой капитализацией, сами
по себе или
потому, что у них, как правило, более высокая рыночная бета. Как
правило,
разумно инвестировать как в материнскую, так и в выделяющуюся
компанию, но
важно тщательно изучить особенности любого выделения, прежде
чем принимать решение о том, сохранять ли, продавать или
покупать компании, которые
планируют выделиться или уже сделали это.
202 Поиск альтернатив
Таблица 25.3 Примеры заметных побочных эффектов

Спин-оффы года
2015 eBay отделяет PayPal, платформу онлайн-платежей.

2012 Kraft Foods отделяет свой закусочный бизнес от Mondelez International.
2011 Туристический сайт Expedia отделяет свой обзорный сайт TripAdvisor.
2006 McDonald's отделяет популярную мексиканскую сеть ресторанов Chipotle.
1999 Hewlett-Packard отделяет свой измерительный бизнес от Agilent Technologies.
ИНВЕСТИРОВАНИЕ В ПРОБЛЕМНЫЕ АКТИВЫ
Проблемные активы - это ценные бумаги компаний или

государственных организаций,
которые испытывают финансовые или операционные трудности,
дефолт или
банкротство. Компании могут испытывать трудности по
различным причинам,
• Балансовые отчеты с высокой долей заемных средств
включая:
• Проблемы с ликвидностью
• Понижение кредитных рейтингов
• Нарушения в бухгалтерском учете
• Недостаточные денежные потоки
• Низкие операционные показатели
Когда актив находится в бедственном положении, он может

торговаться намного ниже своей внутренней стоимости
из-за пессимистичных настроений инвесторов. Когда это
происходит, инвесторы,
чьи мандаты не позволяют им владеть проблемными ценными
бумагами, такими
как большинство взаимных фондов, вынуждены продавать их. Это
может вызвать огромный диф-
различий между активы, ценности и сложившиеся на рынке
цены, и, следовательно, может представлять значительные
потенциальные возможности извлечения прибыли.
Инвестирование
“Если вы покупаете акции по достаточно низкой цене, обычно в
в эти активы с целью торговли на основе арбитража между
судьбе бизнеса
внутренней возникают некоторые
стоимостью
сбои, которые дают
и преобладающей вам шанс
рыночной расплатиться
ценой ценной бумаги известно как
инвестирование в проблемные
с приличной прибылью, даже несмотря на то, что долгосрочные
активы. Поклонники
показатели бизнесаУоррена Баффета, возможно, помнят эту
стратегию как
могут быть ужасными. Я называю это подходом к
подход “инвестирование в окурок сигары”:
инвестированию ‘окурок сигары’. Сигара
Инвестирование, ориентированное на события 203
найденный на улице окурок, в котором осталась всего одна

затяжка, может дать не так уж много
— Письмо
дыма, но акционера
”выгодная покупка"Berkshire
принесет Hathaway Уорренавсю
этой затяжке Баффета от
прибыль
". 1989 года
Вселенная проблемных активов огромна и охватывает все виды
долговых ценных бумаг ниже
инвестиционного уровня. Эти инвестиции могут включать
высокодоходные облигации, проблемные банковские кредиты
ниже номинальной стоимости,
ссуды, принадлежащие должникам, кредитно-дефолтные свопы,
привилегированные акции, обыкновенные акции, варранты
и активы в сфере недвижимости. ..............
Инвестирование в проблемные активы, как правило, лучше всего
работает
во время бычьих рынков, когда инвесторы зарабатывают деньги на
возврате
инвестиций, сделанных во время предыдущего экономического
Управляющие хедж-фондами, специализирующиеся на
спада.
проблемных
Разворот вниз ценных бумагах, большое
предоставляет могут быть классифицированы
количество как
возможностей
активные или пассивные.
для этой формы инвестирования.
Активные
Однако даже менеджеры
в условиях вовлекаются в повседневную
хорошей экономики можно найти
деятельность
выгодные сделки: целевой компании и тесно сотрудничают с ее
руководством,
автомобильныйчтобы и авиационный секторы США предлагали широкие
изменить
возможности ее квлучшему. Пассивные управляющие, между тем,
период 2004-2006
больше ориентированы на
годов, несмотря на то, что экономика была сильной. Доходность от
торговлю;
распределенных они покупают недооцененные проблемные ценные
бумаги и продают
инвестиций в значительной их, когда степени зависит от факторов,
они возвращаются
специфичных для компании к своей справедливой стоимости.
и сектора, а не от общихАктивные
бизнес- и
менеджеры,циклов.
кредитных которые могут иметь доступ к
внутренней информации,
........... в большей ограничены в своей торговле до тех пор,
степени...........
пока корпоративная информация
не станет общедоступной или несущественной. Это, в частности,
АРБИТРАЖ
ограничение вс ПЕРЕБАЛАНСИРОВКОЙ ИНДЕКСОВ
случае, если восстановление не удается и компания подает
В этой инвестиционной
заявление о банкротстве. стратегии арбитражер делает ставку на
то, какие акции
Активные управляющие могут продавать свои должности только
будут
после включены
завершения в индекс или исключены
процедуры банкротстваиз него. Некоторые из
наиболее
, в отличие популярных
от пассивных управляющих, которые, поскольку они
индексов
полагаются длянаперебалансировки арбитража управляются
общедоступную информацию, не ограничены.
подразделением Лондонской фондовой
биржи FTSE Russell Business. Основная причина этого
заключается в том, что
индексы Рассела перебалансируются раз в год, в июне, в то время
как другие основные
индексы, такие как S & P 500 и Dow Jones Industrial Average,

корректируется на нерегулярной основе. Среди семейства

индексов Рассела,
индекс Russell Microcap является наиболее популярным среди
этих арбитражеров,
поскольку компании, которые составляют его, очень малы и могут
быть не
хорошо известны. После того, как они присоединяются к индексу,
эти компании часто видят скачок
в участии
Арбитражфондов, привязанных к нему.
по перебалансировке Акции,
индекса (иликоторые переходят
восстановлению
из индекса
индекса) - это игра на
Russell 2000дополнений
выявлении в индекс Russell 1000 скбольшой
и удалений индексукапитализацией,
до того, как они не
видят сравнительно
действительно будут
значительного скачка Если
добавлены и удалены. интереса, потому
инвестор что они
может уже были
покупать в
и продавать
широком
акции спектре
раньше, чем
индексных инвестиций
институциональные и простоони
инвесторы, перешли
могут из одной корзины
получать в
прибыльпосле
другую.
объявления,
поскольку учреждения покупают и продают их. Исторически
сложилось
АРБИТРАЖ так, что добавленные
СТРУКТУРЫ и удаленные
КАПИТАЛА
акции значительно превосходили и отставали от индекса,
соответственно, в течение
Структура капитала 2-3 месяцев
компании включаетпосле того,
акции, как и
долги были
другие
сделаны объявления.
финансовые инструменты, которые она использует для
финансирования своей деятельности. В рамках арбитража
структуры капитала одна ценная бумага компании обменивается
на другую
ценную бумагу той же компании - например, покупая
облигации компании и закрывая ее акции, или торгуя ее
кредитно–дефолтными свопами (CDSS)
против ее акций...........
Другая игра может заключаться в арбитраже между списками
одной и той же ценной бумаги на разных биржах; такие
неправильные оценки могут
происходить из-за ликвидности или других факторов. Другим
видом
Одной из самых популярных игр в арбитраж структуры
арбитража капитала
капитала является является прибыли
получение торговля изменениями в структуре
капитала компании, такими
от неправильного определения стоимости акций компании и ее
облигаций
как обратный
иливыкуп
кредитных
акций, эмиссия акций, долговая эмиссия или
обмен долгами.
дефолтных свопов. Эта стратегия приобрела большую
Эти сделки выражают
популярность с мнение не об общем качестве компании
, а об относительных
ростом рынка компакт-дисков.
искажениях
Рассмотрим,
цен или сдвигах
например,
в стоимости
что
между различными
происходит, когда
формами
на компанию
капитала.
обрушиваются крайне плохие новости. Это приведет
к падению как ее облигаций, так и
акций, хотя цены на акции, вероятно, будут снижаться и дальше
по
нескольким причинам. Акционеры понесут больший убыток, чем
держатели облигаций
Инвестирование, ориентированное на события 205
если компания ликвидируется, поскольку держатели облигаций

имеют преимущественные права
на активы компании; дивиденды могут быть уменьшены или
отменены
вообще, в то время как ежегодные выплаты по облигациям
фиксированы, а рынок акций
обычно более ликвиден и поэтому реагирует на новости более
драматично. В
случае плохих новостей, если обнаруживается неправильная
оценка, управляющий фондом может
открыть
Второйдлинную позицию
тип структуры по акциям
капитала и короткую
арбитраж позицию по
предполагает
облигациям. Другой
нахождение mispric- способ разыграть ту же
сделку - использовать
ний между различными CDSS вместо облигаций:
категориями управляющий
долга (например, старшие
фондом может открыть длинную
против
линию акций
младших, и купить защиту
обеспеченным от недооцененных
по сравнению CDS. Существует
с беззалоговыми, а
много способов
банковские кредиты отношении облигаций). В
построить одну и или
периоды стресса ту же сделку, и управляющий
финансового неблагополучияфондом должен
для компании-
провести должную
эмитента будут наблюдаться колебания относительных цен на эти
осмотрительность, чтобы найти тот, который имеет наилучший
долговые инструменты.
профиль соотношения риска и доходности.
Управляющий фондом может сыграть на сближении спреда между
этими
инструментами до равновесного уровня. Другим примером
арбитража структуры капитала
является
ЗАКЛЮЧЕНИЕарбитраж по конвертируемым облигациям, основанный
на облигациях, которые могут
быть обменены на акции компании. Разница между стандартными
Стратегии, основанные на событиях, извлекают выгоду из
облигациями
занижений цен на ценные бумаги, связанных
и конвертируемыми облигациями должна быть достаточно
с конкретными корпоративными событиями, такими как слияния,
постоянной, но различия в цене акций
поглощения, выделения,
компании и уровнях дивидендов могут привести к ошибочным
банкротства и реструктуризации. Исторически они были одними
оценкам
из самых
между этими двумя категориями облигаций.
эффективных стратегий хедж-фондов и за последние два
десятилетия приобрели большую
популярность. Стратегии слияний и поглощений, в частности,
показали наилучшую эффективность с поправкой на риск, что
объясняет, почему
они так популярны среди управляющих фондами, управляемыми
событиями. Те, кто
включает стратегии с несколькими событиями в портфель
диверсифицированных хедж-фондов
, имеют возможность потенциально получать значимую
доходность в сторону повышения
, которая не зависит от широких изменений на рынке. Успешные
событийные
менеджеры должны обладать обширным опытом заключения
сделок, глубокими отраслевыми знаниями
и сильными юридическими возможностями для оценки вероятных
результатов широкого
спектра корпоративных мероприятий.
26
Внутридневные данные в
Alpha Research
Душан Тимоти
Динамика ликвидности, сделки цена неопределенность, структуры

портфеля заказов, и формирование спрэда по спросу и
предложению всех кон-
дань значительному повышению производительности Альф. Эти
паттерны влияют
на реализованную доходность наиболее тривиально через
эффекты торгового оборота –
канал, называемый воздействием, – но они также оказывают
косвенное влияние
наИсследование
альфа-производительность и сами
микроструктуры могут
рынка, быть
как источниками
следует из его
альфа-сигналов,
названия, направлено на то, чтобы
через характеристики,
охватить связанные
структуру инвесторов с внутридневной
путем динамикой
выделения отдельных
торгуемых
классов, которые
активов.
отличаютсяВ совокупности эти свойства
своим поведением рынка активов
или мотивацией определяют
для торговли. Со
микроструктуру рынка
времени выхода важной
.статьи Глостена и Милгрома (1985) было обнаружено и
задокументировано большое разнообразие микроструктурных
закономерностей, которые существенно влияют
на ожидаемую доходность активов. В своих новаторских
результатах авторы
выяснили, как спреды bid–ask формируются в равновесии; это
очень
важно при анализе эффективности alpha с последующими
затратами. Прежде
чем вдаваться в подробности, мы сначала определим
терминологию конкретной темы, такую как
ликвидность, спред bid-ask и портфель заказов, и разъясним
различия
между рынками, основанными на котировках, и рынками,
управляемыми
Поиск альф: ордерами.
количественный подход Во-вторых,
к построению мы обсудим
торговых стратегий, Второе издание. Под
редакциейпонятие премиии за
Игоря Тульчинского др. неликвидность,
и которое обозначает
положительную связь
между John
году издательством ожидаемой доходностью
Wiley & Sons, Ltd. и ликвидностью, с примерами
потенциальных альфа-показателей.
В-третьих, мы представляем основные модели микроструктуры
рынка
и их влияние на цены активов.
ДАННЫЕ В МИКРОСТРУКТУРЕ РЫНКА
Рынки капитала в широком смысле можно разделить на два типа,

основываясь на их
структуре торговли. Во котировок на рынках, специалистов –
участников рынка-
штаны, также известный, как маркет-мейкеров и дилеров,
которые служат в качестве контр-
участники для совершения сделок за их цену – предоставить
инвесторам
возможность торговать и гарантия выполнения в их уникальным
мнением и
задавайте вопросы: цены, по которой они готовы покупать и
продавать, соответ-
ственно. Эта возможность также называется ликвидностью,
определяемой как “степень,
в которой ордер может быть исполнен в течение короткого
периода времени по цене,
близкой к консенсусной стоимости ценной бумаги” (Foucault et al.
2013). В отличие от
Торговые ордера можно разделить на две группы в зависимости
этого, на рынках, управляемых заказами, инвесторы имеют доступ
от их мотивации.
к книге заказов,
Лимитные ордера пополняют портфель заказов, указывая на
которая собирает различные комбинации цен и количества bid-ask
готовность покупать или
от
продавать определенные количества по различным ценам, и,
других контрагентов и сопоставляет их друг с другом. Рынок
следовательно, обеспечивают ликвидность
последнего типа обладает более высокой прозрачностью, однако
на рынке. Рыночные ордера поглощают ликвидность, выступая в
исполнение гарантируется только
качестве контрагентов,
в пределах количества, предлагаемого по определенной
ограничивающих ордера определенным количеством по самой
цене..........."
низкой или самой высокой цене ask или bid
Хотя оба типа
соответственно. Вместе эти два вида торговых ордеров привода
представлены на рынках капитала – существуют гибридные
динамика-
формы, сочетающие
ИС ликвидности и глубины книги, где говорится о цене
элементы обоих – alpha research в основном сосредоточена на
воздействия рынка для торговли определенным количеством.
рынках, управляемых заказами
Форма
, особенно в случае акций.
книги ордеров очень важна для работы альфа-трейдеров в
реальной торговле.
Как показано на рисунке 26.1, количество лимитных ордеров
НАДБАВКА ЗА НЕЛИКВИДНОСТЬ К ЦЕНАМ НА АКТИВЫ
суммируется по
определенным ценам (верхний левый график), которые
Существует положительная взаимосвязь между расстоянием от
определяют предельную и среднюю
самой низкой
цены исполнения (верхний правый и нижний левый графики
цены предложения до самой высокой цены предложения, также
соответственно) и
известной как спред между ценой предложения и ценой продажи,
, таким образом, стоимость (нижний левый график) рыночного
и
ордера определенного размера.
Следовательно, посредством анализа портфеля заказов инвесторы
могут рассчитать,
как будет работать их альфа-банк после затрат на воздействие на
данный актив.
154.3 154.3
154.25 154.25
154.2 154.2
154.15 154.15
154.1 154.1
154.05 154.05
цена
154 154
153.95 153.95
153.9 153.9
предельная цена исполнения
153.85 153.85
153.8 153.8
–1,500 –1,000 –500 0 500 1,000 1,500 –1.5 –1 –0.5 0 0.5 1 1.5
4
заказы на покупку
заказы на спрос размер ордера x10
1,800
154.3
154.25 1,600
154.2 1,400
154.15 1,200
154.1
1,000
154.05
800
154
600
153.95
общая стоимость транзакции
400
средняя
153.9 цена исполнения
153.85 200
153.8 0
–1.5 –1 –0.5 0 0.5 1 1.5 –1 –0.5 0 0,5 1
4 4
размер заказа x10 размер заказа x10
Рисунок 26.1 Список предельных заказов IBM на 28 января

Источник 2015 года, 09:55
: https://s100.copyright.com/AppDispatchServlet?
publisherName=ELS&contentID=S0022053116300382&orderBeanReset=true.
https://creativecommons.org/licenses/by/4.0/. https://doi.org/10.1016/j.jet.2016.06.001.
Авторское право © 2019 Центр защиты авторских прав, Inc.
Все права защищены.
ожидаемый результат. Согласно принципу премии за

неликвидность, поскольку
эффективность портфеля оценивается с учетом затрат, инвесторы
требуют избыточной
доходности от неликвидных активов, чтобы покрыть свои убытки
от покупки дороже (по
цене спроса) и продажи дешевле (по цене предложения). Впервые
эта теория была
избыточный спред 1
, или примерно пять месяцев.
подтверждена Амихудом
ежемесячный и Мендельсоном
0. 211 доход (1986), показавшими,
избыточный
другими словами, инвесторы "покупай и держи" с
что в среднем
инвестиционным горизонтом не менее чем на пять месяцев или
возраст увеличение спреда
ежемесячный на 1%доход
избыточный связано с увеличением на
инвесторы, торгующие ежедневными
0. 211 альфа-активами с оборотом
0,211%
меньше
количество дней в месяце 21
, чем или примерно 1%, стремитесь к
ежемесячной доходности
избыточный с поправкой
разброс на риск. Следовательно,
1 прибыли
инвестируя в активы с более высоким
стратегия, применяемая к активам с спредом.
Ликвидность может быть измерена альтернативными
высокими спредами,
способами. дает повышенную доходность в обмен на
Исследователи
показали, что другие
фиксированную показатели,
стоимость: в такие как неликвидность
Amihud (2002), могут
соответствии с вышеупомянутыми результатами, дополнительные
фиксировать значительную долю избыточной доходности.
фиксированные
Например, этот затраты на 1% в результате
последний
увеличения показатель,
Важно отметить,
спреда что рассчитанный
ликвидность некак
уравновешиваются среднесуточное
повышенной
является постоянной
доходностью
с в
отношениевремени.
течением абсолютной
Как доходности акций
течение
к объему вна
показано долларах, заранее
рисунке 26.2, прогнозирует
спреды ежемесячную
акций значительно различаются
периода
избыточную доходность в размере
как во в ответ на изменение на 1 процентный пункт.
0,163%
временных рядах, так и по активам. Фактически, недавний
финансовый кризис вызвал
значительный всплеск спредов между ценами на акции (Pedersen
2009), что
сыграло ключевую роль в исчезновении ликвидности и падении
цен на акции.
Инвесторы также требуют премию за риск из-за изменения
динамики ликвидности
в дополнение к премии, связанной с уровнем ликвидности. Пастор
и Стамбо (2003) создали одну из самых известных моделей, чтобы
отразить
этот тип воздействия. В своей модели авторы подчеркивают, что
повышенная чувствительность актива к шокам рыночной
ликвидности сопряжена с
дополнительным риском и, следовательно, несет значительную
премию за риск. Они
измеряют, что в среднем акции с высокой чувствительностью к
ликвидности обеспечивают
доходность на 7,5% в год по сравнению с акциями с низкой
чувствительностью.
Внутридневные данныеМежотраслевые
в Alpha Research 211
различия в динамике ликвидности подчеркивают важность
анализа
10.0% ликвидности в alpha research:
акции с малой и большой капитализацией могут вести себя
абсолютно
9.0%
ортогонально друг другу в своей
реакции
8.0% на шоки рыночной ликвидности.
7.0%
6.0%
5.0%
4.0%
3.0%
2.0%
1.0%
0.0%
1950
1952
1954
1956
1958
1960
1962
1964
1966
1968
1970
1972
1974
1976
1978
1980
1982
1984
1986
1988
1990
1992
1994
1996
1998
2000
2002
2004
2006
Рынок с равным весом Мелкие акции Крупные акции
Рисунок 26.2 Спред спроса и предложения акций NYSE

Источник
: Воспроизведено с разрешения John Wiley & Sons Ltd.
Изменения в ликвидности также имеют отношение к

внутридневной торговле. Испол-
нение и стратегии внутридневной Альфы воспользоваться
надежные внутридневные
закономерностей, обнаруженных в спред, объем, и возвращение
волатильности; самый известный
из них-U-образный внутридневной паттерн в объеме (джайнизм и
Иоан
1988) и возвращение волатильности (древесины и соавт. 1985), и
отменил J-форма
в бид–аск спреды (McInish и древесины 1992). Тривиально, альфа-
трейдеры, чья
торговля сосредоточена в периоды, когда объем высок, а спреды
низки, показывают лучшие результаты после затрат.
Вышеупомянутые эмпирические данные
МИКРОСТРУКТУРА РЫНКА И ОЖИДАЕМЫЕ ДОХОДЫ
о положительной внутридневной корреляции между спредами и
волатильностью доходности
Помимо того, что внутридневные
заставляют нас усомниться в ее теоретической основе, то есть в
данные позволяют нам моделировать динамику ликвидности, они
том, как
позволяют анализировать взаимодействие между участниками
определяются спреды и, в частности, как микроструктура рынка
рынка.
вовлечена в
Фактически, цель последнего направления исследований часто
эти паттерны.
ставится в том, чтобы найти тео-
ретические объяснения эмпирическим паттернам,
задокументированным первым.
Теории микроструктуры учитывают

процесс определения цены и, в целом, различают
информированных трейдеров, неинформированных
трейдеров и специалистов. Информированные трейдеры
определяются как рациональные субъекты,
которые покупают (или продают), если “истинная стоимость”
актива выше (или ниже), чем
цена предложения (или ask). Неосведомленные трейдеры,
напротив, не руководствуются никакой рациональной логикой
, а торгуют исключительно в целях ликвидности. Например, они
По данным
покупают Glosten и Милгром (1985), обусловлена спе-
акции
специалистов
в периоды, когдариск-нейтральной,
у них избыточный существует равновесие
доход, и продают, ценим
когда
спроса
нужны и предложения,
а значит спред.
наличные. В их модели
Специалисты либоинформированные
контролируют и
соответственно.
котируемые цены,
неинформированные
Первые знают точную трейдеры
стоимость
либо выставляют лимитные ордера активов, которая
H
может, либо
быть
подают
либо
низкойL
, чтобы рыночные
высокой v
.vобеспечить
Специалистыордера сликвидностью,
могут
рынок вероятностями и πстремятся
только угадать и1
ожидаемое значение
покрыть
Они (v), используя
свои считают,
возможные Pr vвероятности
чтоубытки v
Ч
и Пр в в
L
1 . Не-
от информированных
сформировавшиеся инвесторы
трейдеров, торгуют
получая
совершенно
прибыль отслучайным
спреда bid–
ask.
образом с обеих сторон; следовательно,
вероятность заключения ими сделки на покупку или продажу
всегда равна 0,5. Тогда,
если специалисты конкурентоспособны и не подвержены риску,
их ожидаемая прибыль
равна нулю как со стороны предложения (b), так и со стороны
запроса (a). Следовательно, если они проигрывают
у информированных a vтрейдеров
H
0. 5 1 (первые
a v члены
0, уравнений (1)1 и 2
ниже)
L
и выигрывают у неосведомленных
v b 0. 5 1 трейдеров
vb 0. (вторые члены (2)
уравнений 1
и 2Разница
ниже), ихмежду ценами
прибыль ask и bid, или спред (S),
составляет
затем определяется через
1 vH vL
S . (3)
0. 5 1 1 0. 5 1
Более того, путем дальнейшего упрощения модели с

допущением,
цены что
следуют случайному блужданию на внутридневном
05
. , спред уровне
π):
становится линейной функцией вероятности обоснованной
торговли (
S v H vL . (4)
Внутридневные данные в Alpha Research 213
Важность Glosten и Милгром результатов заключается в Илли-

quidity премиум принцип говорилось выше, заявив, что более
высокие спреды
увеличения ожидаемой доходности. Один из наиболее подробных
анализов этой
косвенной связи между вероятностью обоснованной торговли
данной
акцией и доходностью акций был проведен Исли и др. (2002).
Авторы измеряют вероятность осознанной торговли (PIN)
отдельными акциями, котирующимися на
Нью-Йоркской фондовой бирже,α вэто период с 1983 по 1998
сигнализирует либо год
о и
показывают,
с вероятностьючто
илипосле учета
плохие факторов
хороших
новости Fama–French
новостях
с вероятностью 1 изменение
. Затем,
PIN на 10 процентныхпунктов приводит к ежегодной премии в
предполагая,
2,5% к ожидаемой
что ожидаемое μ, как показано
количество сделок от неосведомленных инвесторов
доходности.
постоянно, Их модель
следуя логически
распределению довольно
Пуассона проста:
с интенсивностью
на рисунке 26.3 можно легко рассчитать ожидаемое количество
информационное
сделок на покупкусобытие
может с вероятностью
и продажу в зависимостипроисходить каждый
от наступления день Определяя
события.
фактические сделки как покупку или продажу в данный день с
типом рыночного ордера,
авторы используют оценку максимального правдоподобия, чтобы
угадать лежащую в ихπоснове
в приведенном выше уравнении 4 с
микроструктуру
линейную зависимость выводом
и, в частности,показывает
со спредом обоснованной
и доходностью.
торговли
Различные модификации модели Глостена и Милгрома были
любым активом.
опубликованы Связь междуНекоторые
впоследствии. этим предполагаемым PIN-кодом и
авторы представили
другие типы инвесторов
ожидаемым
возвратом тривиальна; замена εb
Скорость поступления покупок:
Низкий уровень
δ сигнала
εs + µ продаж:
Скорость поступления
α
Происходит информационное событие
εb+ µ покупок:
δ) сигнала (1 –
Высокий уровень
εs
Коэффициент поступления продаж:
α)
Информационное событие Не происходит (1 –
εb покупок:
Один раз в день

εs
Скорость поступления продаж:
Рисунок 26.3 Древовидная диаграмма торгового процесса за

:данный
Источник день с разрешения John Wiley & Sons Ltd.
Воспроизведено
в микроструктуре и обнаружил доказательства того, что эти

классы могут значительно
влиять на ожидаемую доходность активов. В работе Ормоса и
Тимоти
(2016a) в модель включен противоположный класс, основанный на
эвристике;
оценив
Эти меры,вероятность
однако,торговли,
работаютоснованной на эвристике
только с затратами (PH), они
времени
показали,
максимум- что увеличение PH на 10 процентных пунктов дает
оценка вероятности и, как правило, на низких частотах
ежегодную
(ежеквартально или ежегодно). Чтобы избежать этих недостатков,
сверхдоходность
в микроструктурув рынка 4,5%. были внедрены альтернативные методы
, такие как динамический показатель вероятности обоснованной
торговли
(DPIN). Согласно
Chang et al. (2014), DPIN удается получить подобную структуру,
используя гораздо более быстрый метод расчета вероятности
обоснованной
торговли. Авторы предлагают три немного отличающихся метода,
основанных на
торговых данных. Показателем, NB обеспечивающим
NS модели
ликвидности, DPIN
которые 0
РАЗМЕР наиболее
0 LT (5)
NT NT
похожи на те, что были задокументированы в предыдущих
исследованиях, является отфильтрованная по размеру
где NB, NS, NT, ε, а LT обозначают количество сделок на покупку,
вероятность информированной
продажу торговли, рассчитываемая
сделки
следующим и общее количество сделок; доходность, отфильтрованная с
образом:
...........,
помощью автокорреляции; и индикатор крупной
сделки (если конкретный подпериод имеет больший размер
сделки, чем
медиана за период агрегирования). Идея, лежащая в основе их
метода
1 R2
журнал где R 2 -
одологии, заключается в том, что информированные
R
2 сделки, как
коэффициент детерминации рыночной модели, на который
правило, масштабны
значительно и и что
положительно влияют показатели
информированные трейдеры DPIN,
покупают указывающие
или на более
продают, когда цены
высокую необъяснимую
В дополнение
падают илидля к
растут.выявлению эффектов
Ихсрезультаты поперечного сечения в
дисперсию акций более высокой вероятностью обоснованной
виде избыточной доходности,
торговли.
микроструктурадополнительные доказательства
рынка может внести существенной
вклад в исследование alpha
посредством анализа
взаимосвязи между временных
рядов. Поскольку альфа-качество сильно зависит от величины
обоснованной торговлей
просадок, способность и ожидаемой доходностью
прогнозировать и избегать, понакрайней
ежедневном
мере, самых
уровне: крупных негативных
изменение
потрясений имеет важное значение. Прогнозирующая природа
доходности для конкретной фирмы (FSRV), измеряемое как
рыночной микроструктуры
функция ежедневной доходности,
не объясненной изменениями рынка, FSRV
Внутридневные данные в Alpha Research 215
динамика часто может быть полезна для этой цели. Согласно

Исли
и др. (2011), “внезапный обвал” 6 мая 2010 г. был хорошим
примером
такой просадки: в своих результатах они используют
вероятность осознанной торговли, синхронизированную с объемом
(VPIN), и измеряют рост
осознанной торговли, который заставил поставщиков ликвидности
покинуть рынок;
это было заметно уже по крайней мере за неделю до внезапного
обвала и
достигло самого высокого уровня в истории контракта E-mini S &P
500
непосредственно
Эти результатыперед
такжеобвалом. Аналогичным
подчеркивают важностьобразом,
анализаЯнь и
Чжан (2012) документируют
динамики шума в альфа-исследованиях. Альфа-коэффициенты,
самый
которые большой всплеск
в основном PIN за десятилетие в первом квартале
основаны
2000
на года, когдаанализе,
техническом пузырь доткомов
вероятно,достиг
будут своего пика.
работать Ещекак
лучше одна
для
интересная
периодов, такзакономерность
и для
показана Ормосом
активов, когда и Тимотиобоснованной
вероятность (2016b): авторы указывают
торговли низканапо
снижение
сравнению с
вероятности осознанной
периодами / активами торговлиПИНОМ
с высоким после краха Lehman
по двум Brothers
причинам. Во-
в 2008 году при контроле
первых, активы со многими за трейдерами, ориентированными на
эвристику.
информированными трейдерами, вероятно, быстрее вернутся к
своим фундаментальным
значениям, поэтому ожидается, что модели временных рядов не
будут длиться так долго. Во-вторых,
как отмечалось выше, более высокий PIN означает меньшую
объяснительную способность
рыночных движений (Chang et al. 2014), а поскольку технический
анализ
часто опирается на групповые паттерны, такие как групповой
импульс, его прогностическая
способность ниже. Однако, поскольку атрибуты, характерные для
Внутридневные данные могут значительно повысить ценность
конкретной фирмы, становятся
alpha research различными
более важными на более высоких уровнях PIN, альфа-
способами. Из–за премии за неликвидность – принципа, согласно
коэффициенты, связанные с фундаментальными
которому инвесторы
значениями, такими как значения, основанные на статьях баланса
требуют сверхдоходности за более высокие торговые издержки, -
или инсайдерской торговле,
разрыв между
могут иметь более высокие коэффициенты Шарпа при применении
ценами спроса и предложения (спред) является важным фактором
к периодам и активам с
при объяснении
большей вероятностью обоснованной торговли.
ожидаемой доходности. Вместе со спредом глубина портфеля
ордеров
также влияет на эффективность стратегии с учетом последующих
затрат через
влияние цены на среднюю цену исполнения сделки в зависимости
от
объема торгов. Поскольку прибыль включает в себя ликвидность,
рискованность
216 Найти Альфы
последний также входит в стоимость: активы, распространение

которых высоко Сенси-
тивных рыночных шоков ликвидности выше риск и, следовательно,
дает
Внутридневные паттерны также могут быть использованы для
ожидаемую
оценки доходность премию за тех, с низкой
микроструктуры
чувствительностью.
активов. Разделение пула инвесторов на подклассы с различным
поведением позволяет нам выявлять обоснованные сделки и
оценивать вероятность неблагоприятного отбора.
Поставщики ликвидности в среднем проигрывают
информированным трейдерам
и поэтому требуют премию для покрытия своих расходов,
которую онидинамика
Наконец, включаютспреда
в своиикотировки спреда может
микроструктуры bid–ask.выступать
Опять же,
в качестве
в соответствии с
временного
премией
ряда, за неликвидность,
предсказывающего это отражается
будущие просадкина
наожидаемой
рынках. Несколько
активов;
показали,следовательно,
что измененияболее высокие уровнииинформированной
в информированной управляемой
торговли ожидают
эвристикой избыточной
торговле часто доходности.
предшествуют негативным рыночным потрясениям и, в частности,
кризисам, в которых
ключевым движущим фактором является исчезновение
ликвидности. Поэтому важно
учитывать внутридневные паттерны в альфа-исследованиях не
только потому, что эти
паттерны могут генерировать сигналы, но и потому, что они могут
значительно
повысить производительность и надежность стратегий,
основанных на альтернативных
исходных данных.
27
Внутридневная торговля
Автор : Рохит Кумар Джа
Внутридневная торговля, также известная как дневная торговля,

представляет
ценными собой–спекуляцию
бумагами в частности, покупкой и продажей
финансовых инструментов в течение
одного и того же торгового дня. Некоторыми из наиболее часто
торгуемых финансовых
инструментов, торгуемых в дневное время, являются акции,
опционы, валюты и множество фьючерсных
контрактов, таких как фьючерсы на фондовые индексы, фьючерсы
на процентные ставки, валютные
фьючерсы и товарные фьючерсы. Строго говоря, все позиции для
дневной торговли закрываются до закрытия рынка.
Однако многие трейдеры
включают дневную торговлю
Может показаться в качестве
совершенно одного из компонентов
непримечательным, что трейдер
общей
может стратегии.
покупать и Трейдеры
продавать
,инструмент
которые торгуют
в одинвнутридневно
и тот же день,сноцелью получения
дейтрейдинг прибыли,
- это
считаются спекулянтами, а
относительно новая концепция. не хеджерами или трейдерами
ликвидности.
Хотя эту практику можно проследить с 1867 года и создания
Методы быстройленты,
первой бегущей торговли
в то время существовали значительные
контрастируют с
барьеры для входа,долгосрочными методами, лежащими в основе
стратегий покупки
и в результате этот ивид
удержания
торговли ине был популярен среди широких
стоимостного
слоев инвестирования.
населения. Торговый день стал набирать популярность с
созданием
Внутридневной альфа-трейдер пытается рассчитать время входа
электронных
и сетей связи как Instinet в 1969 году и является
выхода из сделок
Национальной ассоциацией
, чтобы заработать дилеров по
на внутридневных ценным бумагам
колебаниях цен. Переход от
автоматической
ежедневных котировки Системы
Теа, или NASDAQ в 1971
альфа-исследований году, а также альфа-исследованиям
к внутридневным отмене фиксированных
комис-
требует определенных изменений в
сией
стилеставки в 1975
и подходе. году.главе представлены различные стили
В этой
составления
внутридневных альф, начиная с некоторых фундаментальных
различий
Поиск альф: в построении
количественный внутридневных
подход к построению альфа-сигналов.
торговых стратегий, второе издание. Под
редакциейЗатем мы рассмотрим
Игоря Тульчинского и др. и плюсы и минусы дня
торговля по сравнению с дневной торговлей. После этого мы

рассмотрим несколько различных способов
построения внутридневных альф, за которыми последует
несколько примеров.
ДНЕВНАЯ ТОРГОВЛЯ Против ВНУТРИДНЕВНОЙ
Для составления ежедневных сводок доступна самая

разнообразная информация
из самых разных источников - от корпоративных балансовых
отчетов до социальных сетей
и данных о погоде. Большинство источников информации,
используемых при составлении ежедневных
альф, бесполезны во внутридневных исследованиях, потому что их
горизонты слишком
велики, чтобы
В целом, быть того
по мере полезными. Однако
как аналитик другие источники
продвигается к более
информации,
частым в том числе
исследованиям, в моментальные цены предложений
его распоряжении
и ask, подробные
оказывается данные
меньше книги заказов
разнообразных и другие информации
источников данные о микро-
и
структуре,
данных. обладают прогностической способностью для гораздо
более
Проводякоротких временных
ежедневные интервалов
исследования, аналитик не слишком
и, следовательно,
обеспокоен гораздо более полезны для внутридневных
эффективностью
исследований.
отдельных альфа-показателей по отношению к затратам, потому
что можно скрестить
множество различных
Внутридневные альфа-показателей.
исследования Но во внутридневных
дают ряд существенных
исследованиях
преимуществ постоимость
сравнениюстановится проблемой на
с ежедневными
альфа-уровне из-за
исследованиями. отсутствия
Поскольку достаточно
торговать разнообразных
можно в гораздо более
источников
сжатые информации
сроки,
и меньшей способности
производительность вычислятьвнутридневных
и доходность различные альфа-уровни.
альф, как Это
будет затронуто
правило, намного выше.
ниже, когда будет
Статистическая объяснен процесс
значимость создания
внутридневные внутридневной
Альфы, еще более
альфы.
бэктест-
При составлении ежедневных альфа-показателей аналитик
щих периодов
старается, значительно
чтобы выше для
альфа-показатели внутридневной
были нейтральныАльф, чем
ко всем
для ежедневного
возможным Альфы.
рискам В
овернайт, таким как риск дельты доллара,
результате производительность альф вне выборки очень похожа
секторальный
на
риск и аналогичные факторы риска...........
.производительность в периодсобратного
Однако, когда мы работаем тестирования.
внутридневными
альфами, большинство из этих факторов риска приемлемы ниже
определенного
Ликвидность определяется как доступность актива на рынке. В
порога,
в любое поскольку
конкретноеизвремя
этих позиций можно
торгуется немедленно
только выйти
такой объем. В другом
, если они пойдут против альфы. Это дает возможность
использовать эти
факторы риска, чтобы попытаться повысить доходность.
Внутридневная торговля 219
другими словами, ликвидность в любое время ограничена. Если

кто-то торгует значительной
частью объема, торгуемого в данный момент времени, он сам
рискует изменить цену, что затруднит выполнение
сделки. Большинство торгуемых инструментов не обладают
достаточной ликвидностью в течение
дня, чтобы часто торговать ими в течение дня. Это ограничивает
внутридневную торговлю наиболее ликвидными инструментами в
любом регионе. В США,
например, трудно торговать чем-либо, кроме 200-500 самых
ликвидных инструментов. Это, в свою очередь, приводит к
меньшему
РАЗЛИЧНЫЕ возможному распределению капитала
ТИПЫ ВНУТРИДНЕВНЫХ АЛЬФ по
внутридневным стратегиям
.Существуют различные стили внутридневных альф. Классическое
определение
внутридневных альф заключается в том, что альфы не удерживают
никаких позиций овернайт.
Такие альфы называются альфами овернайт-0. Аналогично, альфы
с овернайт-1
- это те, которые также удерживают позиции овернайт. Как
правило, такие альфа-активы
либо удерживают непогашенные позиции овернайт, либо
принимают форму внутридневных
наложений на позиции овернайт. Как в режиме "овернайт-0", так
и в режиме "овернайт-1"
alpha альфа может либо непрерывно распределять позиции по
При разработке внутридневных альф аналитику необходимо
различным
учитывать несколько
инструментам, либо подавать более дискретный сигнал на вход
ограничений. Во-первых, ликвидность не одинакова в течение
или выход.
дня. Обычно это выглядит как рис. 27.1, причем большая часть
В сигналах, основанных на входе или выходе, сделка открывается
торговли происходит
на основе индикатора
в начале и в конце дня. У некоторых акций наблюдается очень
или аномального изменения в некоторой производной статистике
большое
(называемой событиями), и
проскальзывание в начале торгового дня – например, Microsoft
позиция удерживается до тех пор, пока не будут выполнены
Corp. (MSFT), как показано на рисунке 27.2 – и в таких случаях,
некоторые триггеры выхода. Этими триггерами выхода могут
как правило,
быть изменения в производной статистике или некоторые
хорошей идеей является входить в позиции по этим ценным
условия фиксации стоп-лосса или прибыли.
бумагам или выходить из них, когда
проскальзывание меньше. Кроме того, помните, что не все
финансовые инструменты
ведут себя одинаково, особенно когда мы работаем с
внутридневными альфами
для биржевых фондов и фьючерсов. Для многих категорий идей
инструменты необходимо рассматривать отдельно или в составе
небольших групп аналогичных
Рисунок 27.1 Ежедневный объем торгов для корпорации

Microsoft. (MSFT)
Рисунок 27.2 Профиль внутридневного спреда для корпорации

Microsoft. (MSFT)
ПОСТРОЕНИЕ ВНУТРИДНЕВНОЙ АЛЬФЫ
Ниже приведен пример простой альфы с возвратом к среднему

значению.
Аналитик хочет уловить возвратную природу финансовых
альфа second_last_interval_close закрывает last_interval_close
Альфа определяется как:
Внутридневная торговля 221
Это непрерывная альфа-версия с показателем 0 баллов за ночь

для 500 лучших жидкостных приборов.
Затем позиции нейтрализуются путем вычитания среднего
значения поперечного
сечения,
Эту идеюсохраняя
можно нейтральность
улучшить, понявкаждого интервала
ее более глубоко.вЭто
долларах
(равные
идея длинные
возврата и
к среднему значению, и аналитик пытается уловить
короткие
тенденцию позиции).
инструментов возвращаться к своим средним позициям.
Инструменты, которые
более волатильны, должны иметь более высокую тенденцию к
возврату. Мы можем зафиксировать
это несколькими способами. Один из способов представлен ниже.
Просто
альфа
возьмите
second_last_interval_close закрывает last_interval_close
*
стандартное отклонение доходности или цены за последние 30-40
std cclose
интервалов и
умножьте альфа-значение
Это улучшает на стандартное
поля, но уменьшает отклонение:
коэффициент Шарпа.
Важно понять, почему. Введение множителя
увеличивает как доходность, так и волатильность альфы, но
волатильность находится в знаменателе коэффициента Шарпа, и
суммарный эффект этих
противоположных
Аналитик мог бысил заключается
попытаться в снижении
снизить общегоальфы в
коэффициента Шарпа.
целом
альфа-код
второе последнее интервальное закрытие
last_interval_close /
std cclose
Это снижает волатильность альфы и, следовательно, повышает

коэффициент
, но Шарпа
это также значительно снижает доходность и маржу.
Выбор альфа-дизайна зависит от требований трейдера.
Первая версия с более высокой маржой будет работать лучше
после применения
транзакционных издержек. Можно попробовать те же варианты,
используя
ранг сечения std (close) вместо абсолютных значений.
Внутридневная торговля существенно отличается от ежедневной,

при которой
аналитик может собирать информацию из самых разных
источников. В то же
время определенные фрагменты информации, обладающие
способностью к краткосрочному прогнозированию, такие
как bid-ask и другая информация на уровне книги заказов,
которые в основном используются
реже в ежедневной торговле, имеют значительную
потенциальную ценность во внутридневной торговле.
Внутридневной торговле препятствует ограниченная ликвидность

большинства финансовых
инструментов, что ограничивает дневных трейдеров, как правило,
наиболее ликвидными из
инструментов. Но ограниченный размер торгового портфеля
компенсируется
более высокой потенциальной прибылью, получаемой при
внутридневной торговле. Внутридневные альфа-ставки могут
быть разных типов, варьируясь от чистых внутридневных альфа-
ставок, которые не открывают позиций на
ночь, до гибридных дневно-внутридневных альфа-ставок, которые
открывают позиции на ночь
, но повышают доходность за счет внутридневного наложения.
28
Поиск альфа-индекса
Автор: Гленн ДеСуза
Alpha discovery не ограничивается долевыми инструментами

одной компании.
В связи с резким ростом пассивного инвестирования за последние
два десятилетия
биржевые фонды (ETF) и связанные с ними индексные продукты
способствовали
росту различных альфа-стратегий, основанных на индексах.
Исторически
основанные в крупных инвестиционных банках из-за их
зависимости от технологических инвестиций, использования
балансовых отчетов и дешевого финансирования, эти стратегии
в последние годы
ИНДЕКСНЫЙ стали болееНА
АРБИТРАЖ популярными
ПРАКТИКЕ среди фирм-
покупателей,
включая крупные
Индексный хедж-фонды,
арбитраж-это ориентированные
альфа-стратегия, напытается
которая
получить прибыль и арбитражные операции, и фирмы,
от отличаются-
создающие рынок.
чия между фактическим и теоретическим фьючерсных цен на
.фондовый индекс,
скорректированный для трейдера, уникальный расходы, включая
стоимость капитала и бор-
Гребля расходы (акции или скидки). Теоретическая стоимость,
илиСправедливая
справедливаястоимость
стоимостьбудущих
на денежных выплат по
отраслевом языке,
индексным индексного фьючерсного контракта может
процентам
быть
Проведение
описана фьючерсный контракт вместо прямого
следующей формулой
инвестирования в под-корректировки сверху вниз:
лежащих компаний из фондового индекса освобождает
дополнительный Капитал Инвест-
мент (потому что фьючерсы имеют гораздо меньшей маржи, чем
инвестиции в акции, в частности, в США), но его сил подрядчиках,
отказаться от дивидендов, таким образом, делая ставки, и
дивиденды в два
основных различия, влияющие на фьючерсный индексный
арбитраж.
Как такие стратегии могут процветать во все более

компьютеризированном и
автоматизированном мире? Практический пример из торговых
контор инвестиционных банков в прошлом может пролить свет на
этот контекст. В середине 2000-х
некоторые банки действовали
• Служба индексного арбитража следующим образом: бы свою
банка рассчитала
собственную справедливую стоимость
используя один или несколько из следующих методов:
нисходящий (путем корректировки
переменных в приведенной выше формуле на основе
макроэкономических прогнозов),
восходящий (оценивая и агрегируя
прогнозы дивидендов по отдельным акциям) или информацию,
подразумеваемую
• После под опционом.
расчета справедливой Метод и
стоимости "снизу вверх"
других затрат,
обычно
связанных
мог был наиболее
с конкретным
бы сравнить надежным
продуктом,
несколько для
продуктов, получения
столы
основанныхприбыли, но он
на индексах,
также
для определения возможностей арбитража в дополнение к
отнимал
типичному больше всего времени.
арбитражу фьючерсов по сравнению с базовыми
акциями
..........
• Некоторые банковские торговые конторы имели преимущество в
Эти сделки– включали
финансировании
капитала, болееарбитраж
что –подразумевало, между
низкую стоимость
что фьючерсами,
справедливая стоимость
внебиржевыми
фьючерса индексными
на индекс свопами и индексными опционами.
у них была
ниже, чем у других фирм. Это открывало больше возможностей
для
использования коротких фьючерсов, поскольку фактические
цены фьючерсов часто казались
“завышенными” (дорогими) по сравнению с их собственной
справедливой
• Отделы стоимостью. С
будут хеджировать другой
свои краткосрочные фьючерсные
стороны
риски путем этих сделок, как
одновременной правило,
покупки базовых акций. По сути, банки былибыли
институциональные
продавцами
счета, которые
балансовых частоа институциональные инвесторы - их
отчетов,
платили небольшую
покупателями из-за премию за дешевый доступ к кредитному
плечу
преимуществи ликвидности,
банковского финансирования и балансовых
предоставляемые
отчетов.
Такая стратегия на фьючерсами.
данном этапе может приносить небольшую
(менее 1%) доходность
ежегодно, поскольку преимущества финансирования обычно
составляли всего несколько базисных
пунктов.
• ДлинныеТаким образом,
позиции некоторые банки
из приобретенных стали
запасов (иболее творчески
других банков)
могли свои запасы:
быть конвертированы в ETF, поскольку многие банки были
авторизованными участниками ETF (AP), что позволяло им
создавать и
выкупать акции ETF.
Нахождение индекса Alpha 225
• Для ETF, которые были популярны для коротких позиций (и,

следовательно, имели по
возрастают затраты более высокую,
займам), чем
такие в среднем,
как Russell 2000 ETF
(IWM), desks
теперь могли бы предоставлять кредиты своим вновь созданным
ETF и получать более высокую ставку по
• кредитованию акций
В других случаях (иногда
запасы 1%быть
могут или объединены
более ежегодно для
с позициями по
определенных
опционам,
создаватьчтобыфондов,
развороты пользующихся
и конверсии большим
опционов, которые имели бы
спросом).
свой собственный внебиржевой
рынок и позволяли держателям запасов предоставлять
• ликвидность
Наконец, всена имена, которые
оставшиеся позициитрудно
акций были проверены на
альфа-
заимствовать, контрагентам, таким как арбитражеры по
генерирующие
слияниям и поглощениям.
события, такие как тендерные предложения или
изменения индекса. Биржевой риск
тогда можно было бы использовать оппортунистически в
отношении отдельных
В некоторых наименованийналожения
случаях многократные примерно вна,
этиказалось бы,
даты событий.
простую стратегию индексного арбитража
могут увеличить общую доходность службы индексного арбитража
с менее чем 1%
Насколько до 5% было
простым и более.
бы это внедрение для фирм-
покупателей?
Ответ частично зависит от размера и ценовой способности фирм
максимально снижать
торговые издержки и затраты по займам, чтобы имитировать
структуру инвестиционного
банка. Какнекоторые
Однако правило, только крупнейшие
сегменты фирмы хедж-фондов
общей стратегии арбитража или
активные
индексов, такие
менеджеры
как связанныхвлияния
прогнозирование брокерско-дилерских организаций
рынка на определенные имели
индексы,
потенциальную
могут возможность
быть реализованы
заключать
активными такие выгодныене
менеджерами, сделки.
обязательно требуя большого
баланса.
ВЛИЯНИЕ ИЗМЕНЕНИЙ ИНДЕКСА НА РЫНОК
Помимо того, что фонд IWM является популярным ETF для

коротких позиций, он
ежегодно воссоздается, что оказывает некоторое влияние на
рынок его учредителей и бывших
учредителей по сравнению с другими востребованными ETF.
Опубликованное исследование FTSE Russell показало, что влияние
покупки вновь добавленных
компаний и продажи удаленных компаний на дату восстановления
повлияло на доходность индекса Russell 2000 примерно на 28
базисных пунктов
(б.п.) в год за период 2007-2015 гг., хотя и с большими годовыми
отклонениями
(рисунок 28.1).
0.00% 0.00%
–1.00% –0.05%
–2.00% –0.10%
–3.00% –0.15%
–4.00% –0.20%
–5.00% –0.25%
–6.00% –0.30%
n 5 d d
Отступление День 10
по сей день
Rec Разведка до
Разведка до
Разведка
июля до августа
Среднее значение Добавляет - Удаляет разброс (%, LHS)

Среднее влияние на доходность индекса (%, RHS)
Рисунок 28.1 Среднее негативное влияние на доходность индекса

Russell 2000 от перебалансировки (2007-2015)
Источник
: Лондонская фондовая биржа Group plc и ее предприятия группы (в
совокупности
“Группа LSE”). © Группа LSE 2019. ®FTSE Russellтоварным
” является - это торговое название
знаком некоторых
компаний Группы LSE
группы
и LSE. “FTSE
используется любойRussell
другой компанией Группы LSE по лицензии. Все права на
индексы или данные FTSE Russell принадлежат соответствующей компании
Группы LSE, которая владеет
индексом или данными. Ни LSE Group, ни ее лицензиары не несут никакой
ответственности за какие-либо
ошибки или упущения в индексах или данных, и ни одна сторона не может
полагаться на какие-либо индексы или данные,
содержащиеся
Это означалов этом сообщении.
бы, Никакое дальнейшее
что арбитражеры могли бы распространение
сократить данных
Группы LSE
добавленные имена
не допускается без явно выраженного письменного согласия соответствующей
и купить удаленные в день вступления в силу восстановления,
компании Группы LSE.
чтобы
Группа LSE не продвигает, не спонсирует и не одобряет содержание этого
получить положительный доход. Можно было бы ожидать, что
сообщения.
такой откат произойдет, если
затронутые акции отклонились от фундаментальных и
аналогичных значений за
месяцы до восстановления, и трейдеры, торгующие парами и
секторальными трейдерами с относительной
стоимостью,
В отличие теперь
от Russell
возвращают
2000, продукты
акции ск большой
их предыдущим
капитализацией
оценкам.
и полнымЭтиотслеживанием
значительные рынка
отклонения в совокупности означают,
что истинная
обычно не испытывают
стоимостьтакого сильного давления на
владения Russell 2000
перебалансировку своихIWM ETF намного выше, чем можно
предположить
портфелей. Например,
по индекс S & P 500, как правило, не видит
коэффициенту
такого большогорасходов
отката 20 б.п.
в добавленных акциях, возможно, из-за их более высокой
ликвидности или поздних покупок
скрытыми трекерами, которые не могут так легко предсказать
прирост S & P. Имею в
виду, что CRSP НАС. Total Market Index, который отслеживается
крупнейшими индексными фондами Vanguard
Group, охватывает весь рынок США, от
крупных капиталов до микрокапиталов, и, соответственно, не
запускает никаких
Нахождение торговых
индекса Alpha 227 операций
требования, предъявляемые при миграции максимального

размера. (Однако фондам, привязанным
к отдельным диапазонам капитализации, все равно придется
торговать
и, таким образом, они потенциально могут повлиять на рыночные
цены на некоторые
ДРУГИЕ АНОМАЛИИ неликвидные
ИНДЕКСА акции.)
Принудительное привлечение капитала вновь

индексируемыми компаниями
Изменения индекса могут привести к другим рыночным
аномалиям. Например, когда
акции добавляются к основным индексам "голубых фишек", таким
как S & P 500, некоторые
из добавленных компаний иногда занимаются
оппортунистическим
привлечением капитала без обычной скидки, поскольку
Цены сделок
индексные фонды по вдобавлению акций S & P 500 REIT с 2008 года
это время вынуждены
показывают, что
покупать акции. Компании, занимающиеся недвижимостью,
средняя
являютсяскидканаиболее при размещении составляет всего 17 б.п. к
предыдущему закрытию
заметными нарушителями: дляболее
этих четверти инвестиционных
привлечений кэптивного
фондов в сфере недвижимости капитала (и 26 б.п. для всех добавленных
предложений
Таким компаний),
образом, отделы синдиката
(REIT), включенных в S & P 500 с 2005 могут
года,привлекать
занимались капитал
подобным
по
для сравнению со средней скидкой в 2,8% для всех других
поведением.
размещений
эмитента акцийдешевле, чем указывают исторические основы.
гораздо
по акциям
По того же индекса
сути, индексный фонд, с 2008 года (рисунок 28.2).
участвующий в программе, становится невольным покупателем, у
Компании S&P 500 REIT, 2008-2017 Компании S&P 500, 2008-2017
которого нет стимула
2.82%
к 1.80%
немедленному уменьшению 1.63% доли
3.00%и потенциальному снижению
1.60%
прибыли на акцию 2.50%
1.40%
1.20% 2.00%
1.00%
1.50%
0.80%
0.60% 1.00%
0.40%
0.20% 0.17% 0.50% 0.26%
0.00%
0.00%
Предложения REITВсе предложения REIT Все предложения Все S & P 500
во время S & P во время S & P предложения
неделя инклюзивности неделя инклюзивности
Рисунок 28.2 Скидки по средней цене предложения

® ®
Источник
: S&P и S&P 500 являются зарегистрированными товарными знаками
Services LLC и Dow JonesStandard
®
& Poor's
является Financial
зарегистрированным товарным знаком
компании Dow Jones Trademark
Holdings LLC. © 2019 S&P Dow Jones Indexes LLC, ее филиалов и /или ее
лицензиаров.
Все права защищены. Использовано с разрешения Bloomberg Finance L.P.
программы
предложение акций. Однако отказ от предложения может

привести к еще
более высокой
Трейдеры, стоимости покупки
ориентированные в предстоящую
на события, дату
выстраивающие альфы
перебалансировки.
вокруг корпоративных мероприятий
, поэтому должны принять к сведению уникальный характер этих
предложений.
Сочетание меньших ценовых скидок, большего количества
размещений в пассивные
фонды и последующих покупок в связи с предстоящими
Искажения
добавлениямив индекса
оценке может
индексных и неиндексных акций
Russell 2000 также страдает от постоянных
привести к необычным последствиям искажений в которые
для альфа-фондов, оценке, в
которые,
противном случае могли бы ожидать сильной
возможно,
активностиявляются результатом
продаж сразу премии, размещенной на
после размещения.
индексных и неиндексных акциях.
Участники индекса Russell 2000 оценивались с премией к
неиндексным
участникам во всех секторах по состоянию на сентябрь 2017 года
35
(рисунок 28.3) и
в целом
30 каждый год, начиная с 2008 года, несмотря на то, что
более
25 30% акций в
20
15
10
5
0
s y
Энергетика Служебные
Диск с минусами Финансовые, медицинские, промышленные материалы
Минусы основные продукты Технология
Коммуникации
R2 P/E Не R2 P / E Превышение (de cit) индекса P/E над неиндексным P/E
Рисунок 28.3 Медианная конечная прибыль секторов с малой

капитализацией
акциями,
Russell 2000
не относящимися
по сравнениюксRussell (сентябрь 2017 г.)
Источник
: Лондонская фондовая биржа Group plc и ее предприятия группы (в
совокупности
“Группа LSE”). © Группа LSE 2019. ®FTSE Russellтоварным
” является - это торговое название
знаком некоторых
группы
и LSE. “FTSE
используется Russell
любой другой компанией Группы LSE по лицензии. Все права на
ошибки или упущения в индексах или данных, и ни одна сторона не может
содержащиеся в этом сообщении. Никакое дальнейшее распространение данных
Группы LSE
компании Группы LSE.
Группа LSE не продвигает, не спонсирует и не одобряет содержание этого
сообщения.
Нахождение индекса Alpha 229
индекс показал отрицательную прибыль (по сравнению с менее

чем 5% в S & P
500). Акции коммуникационных компаний, например, имели
среднее значение соотношения цены и
прибыли (P / E), равное 30 в Russell 2000, в то время как
аналогичные акции из сектора, не относящегося к Russell
, оценивались всего в 19 раз превышающее конечную прибыль.
Аналогичное, но
меньшее неравенство
Интересно, наблюдается
что во вселенной в других
компаний девяти основных
с крупной
секторах. Одна из
капитализацией возможных
в США эффект членства в индексе обратный.
причин заключается
Участники в том, что
S&P 500 торгуют ETF составляют
со скидкой более высокий
по сравнению с не-
процент
членами-от среднего
дневного
аналогами,объема торгов с небольшими
что измеряется по среднему капитализациями,
значению P / E начем с
конец
крупными
года 7капитализациями,
за последние 10 – часто более чем в два раза
превышающий
лет (рисунок процент
28.4). от объема
Это может бытьпо состоянию
связано на середину
не только 2017
с меньшей
5
года.
долей
3
–1
–3
–5
Превышение (дефицит) медианного P/E
–7
200520062007200820092010201120122013201420152016
Превышение медианы P/E R2 (без учета cit) против превышения медианы

P/ E S&P 500 (без учета cit) против превышения медианы P/E S&P 500
(без учета cit) против превышения медианы S&P 500 LC без учета S&P
Рисунок 28.4 Разница в медианной прибыли/E на конец года
500
между индексными и неиндексными акциями
Источники
: Группа компаний
/ Лондонской фондовой биржи plc и ее предприятия
группы (совместно именуемые
“Группа LSE”); © Группа LSE 2019. FTSE
®
” является
Russellтоварным знаком
- это торговое соответствующих
название некоторых
компаний
и используется
группы любой
LSE. “FTSE другой компанией Группы LSE по лицензии. Все права на
Russell
ошибки или упущения в индексах или данных, и ни одна сторона не может ®

и S&P 500 являются зарегистрированными товарными знаками Standard & Poor's
®
содержащиеся в этомServices
и Dow Jones Financial
®
является сообщении.
LLC,Никакое дальнейшее
зарегистрированным распространение
товарным знаком данных
Dow Jones Trademark
Группы
2019 S&PLSE
DowHoldings LLC. ©
Jones Indexes LLC, ее филиалов и /или ее лицензиаров. Все права
защищены.
компании Группы LSE. Группа LSE
не продвигает, не спонсирует и не одобряет содержание данного сообщения. S&P
торговли ETF, но также и с меньшим количеством доступных

компаний, а также с различными факторами риска. В то время
как кандидаты Russell 2000
включают в себя растущие микропредприятия, а также
снижающиеся крупные капитализации,
индекс S & P 500 уже находится на вершине диапазона рыночной
капитализации
и может добавить либо новые крупные или мегакапитальные IPO,
либо растущие компании малого и
среднего бизнеса, которые недавно превзошли показатели, тем
самым подвергая индекс
риску долгосрочного
Рост индексных импульса.
продуктов создал не только новое преимущество
для
среднего инвестора в виде недорогого управления портфелем,
но и новые неэффективные возможности и арбитраж для многих
активных
менеджеров. Длительный период низких процентных ставок
позволил продлить
жизнь стратегиям
К счастью, новыес конструкции
дешевым финансированием, в то время
индексов (и связанные как
с ними
рост пассивного
фонды) также инвестирования
привел
получилик искажениям рыночной
распространение микроструктуры,
в последние отчасти в
годы, что позволяет
результате
инвесторам разнообразить
растущей
пассивные концентрации
портфели
Но поскольку собственности.
множеством
устаревшие способов,
индексные которые
продукты позволяют
продолжают
избежать рядаликвидностью,
пользоваться недостатков индекса,
а некоторые
включая влияние
недостатки рынкана рынок и искажения
сохраняются, оценки.
как пассивные продукты, так и
активные
, которые их арбитражируют, могут процветать еще некоторое
время, подразумевая, что,
возможно, дискуссия о распределении инвестиций - это не просто
выбор между
активным и пассивным, а скорее создание комбинированной
модели активных
дополнений к пассивным основным портфелям, чтобы
воспользоваться лучшими аспектами
обоих миров.
29
ETFS и Alpha Research
Марк Йикчун Чан
Биржевые фонды (ETF) - это инвестиционные фонды, которые

торгуются на
фондовых биржах. Большинство из них отслеживают индекс,
такой как индекс акций или облигаций
; первый такой фонд, SPDR S&P 500 ETF Trust (SPY), был создан
в 1993 году для отслеживания индекса S & P 500. С тех пор
вселенная ETF
быстро расширялась.
По данным Сегодня базовые
исследовательской фирмы активы,
ETFGI,которыми владеют
по состоянию на
ETF, охватывают
конец октября 2018 года
широкий спектр, включающий
в мире насчитывалось неитолько
5 785 ETF акции, но продуктов
7 616 биржевых и облигации,
модальности,
(ETP) валюты и многое другое.
с активами под управлением (AUM) в размере 4,78 трлн. долл. и
4,94 трлн. долл. соответственно (см. рисунок 29.1). Хотя на рынке
США6,000 7,000
доминировали эти автомобили – с 1 966 ETF и 2 210 ETP, и
6,000
5,000
5,000
4,000
# ETFS
4,000
3,000
3,000
2,000 (млрд долл. США)

Активы
2,000
1,000 1,000
0 0
15 17
2008 2009 2010 2011 2012 2013 2014 20 2016 20
t-2018
Активы ETF # ETFS Oc
Рисунок 29.1 Глобальный рост ETF, 2008-2018

Источник
: ETFGI. ETFGI, базирующаяся в Лондоне, является ведущей независимой
исследовательской
консалтинговая компанией тенденции в глобальной экосистеме ETF /
фирма, освещающая
ETP.
активы в 3,42 трлн. долл. и 3,50 трлн. долл. СООТВЕТСТВЕННО –

на рынках ETF в Европе, Азии и Канаде также наблюдается
устойчивый рост.
На рынках ETF в Европе, Азии и Канаде.
Огромный рост ETF
Несомненно, активов сопровождался
являются увеличением
формирующимся ликвидности,
классом активов,
чтоболее
но делало
интригующие
инструменты более привлекательными
вопросы заключаются, во-первых, в том,для инвесторов.
могут ли они стать новым
источником
альфа-активов, и, во-вторых, как мы можем воспользоваться
возможностью для получения прибыли.
Эта глава начнется с обзора основ, в котором будут освещены
некоторые
преимущества и риски торговли этими инструментами. Далее, это
прольет свет на
некоторые возможности в пространстве ETF и рассмотрит
некоторые примеры ИНВЕСТИРОВАНИЯ В ETF
ПРЕИМУЩЕСТВА
альф или рыночных явлений, которые были предложены другими
аналитиками
ETF торгуются различными типами инвесторов на рынках.
в их публикациях. И последнее, но не менее важное: в нем будут
Некоторые
обсуждаться некоторые
инвесторы работают уникальные длительный срок, используя
на относительно
потенциальные проблемы в альфа-исследованиях
средства просто для инвестирования в индексы ETF.
; другие - более активные трейдеры, стремящиеся к максимуму
или прибыли за
более короткий срок. ETF продемонстрировали замечательную
привлекательность
• Биржевая торговля: для в отличие от взаимных фондов, которые
всех,
можно о чем
продаваемыесвидетельствует
купить или их каждого
только в конце растущая популярность
торгового дня пои их чистой
увеличивающийся объем
стоимости активов (NAV), торгов
. Некоторые
ETFS испытывают
из их главных
изменения
преимуществ
цен в течение
для инвесторов
дня и могут быть
заключаются
проданы в следующем:
до тех пор, пока рынок открыт. Это позволяет активным
трейдерам реализовывать
Низкие затраты:
внутридневные В целом ETF
стратегии или несут меньшие затраты
даже использовать возможности
(коэффициент
по сравнению
арбитража. расходов
ETF < 1%)
с традиционными
обладают взаимными фондами (1-3%), что
выгодно
другими всем
функциями, похожими на акции, такими как короткие
инвесторам. Например, коэффициент
продажи, использование расходов SPY составляет
лимитных ордеров
0,09%, а у некоторых
и стоп-лоссов, а также покупка с маржой.
других компаний, таких как Schwab US Broad Market ETF
(SCHB), всего лишь
0,03%. Одна из причин таких низких коэффициентов расходов
заключается в том, что многие ETF являются
индексными фондами, которые не подвергаются активному
управлению – следовательно, ими относительно
просто управлять. Кроме того, ETF не нужно поддерживать
резерв денежных средств для
погашения.
ETF и Alpha Research 233
• Налоговая эффективность: Налогооблагаемый прирост

капитала
или ETFвозникает,
продает ценные
когда бумаги,
взаимныйстоимость
фонд которых выросла.
Однако, поскольку
большинство ETF являются пассивными индексными фондами с
очень низким оборотом ценных бумаг port-
folio (большая часть торгов происходит только для
перебалансировки индекса),
они очень эффективны с точки зрения налогообложения. Что
еще более примечательно, ETF обладают уникальным
механизмом создания
и погашения: создавать или выкупать акции ETF
могут только авторизованные участники (APS)
• -Прозрачность:
крупные специализированные финансовые
Активы, лежащие учреждения.
в основе каждого ETF, Когда
держатель
раскрываются хочет
общественности продать ETF, он просто продает его
для ежедневно. Напротив, взаимные фонды другим
должны
инвесторам, как акции.
делать такие заявления Даже когда AP выкупает акции ETF
у эмитента, эмитент простооснове.
выплачивает AP “натурой”,
• только на ежеквартальной
Подверженность рынку и диверсификация: широкий спектр
предоставляя
доступных
доступные ETF позволяют инвесторам легко достичь желаемого
базовые
рынка активы ETF. В любом случае, для ETF не существует
подверженность – например, широкому рынку, конкретным
транзакции по приросту капитала
секторам, рынкам
.
в зарубежных странах, индексам облигаций, сырьевым товарам и
валютам.
Такое разнообразие позволяет краткосрочным альфа-трейдерам
осуществлять статистический арбитраж по всем инструментам.
В то же время сам по себе
индексный ETF с широкой базой может считаться хорошо
диверсифицированной
РИСКИ, СТОЯЩИЕ ЗАинвестицией для
ЭТИМИ ИНСТРУМЕНТАМИ
некоторых долгосрочных инвесторов.
Риск-это всегда большая тема инвестиций, и трудно дать
исчерпывающий-
тельный перечень рисков за различных инструментов в режиме
реального времени. В следующем
разделе будет предпринята попытка пролить свет на некоторые
примечательные примеры рисков, а
также
• на другие
Ошибки интересныеИногда
отслеживания: особенности, которые
поставщики могут
ETF могут быть
усложнить
не оценку
в состоянии
воспроизвести рисков.
полностью
производительность базового индекса, что
Эти риски включают:
приводит к
ошибкам отслеживания. (Этот термин не следует путать с
премиальной
скидкой, которая определяется как разница между рыночной
ценой ETF и его NAV.) Такие ошибки часто отрицательно влияют
на долгосрочное
отслеживание индекса, но потенциально могут привести к
появлению альфа-или даже арбитражных возможностей для
активных трейдеров.
В общем, ликвидный широкий рынок

фондовые биржи, такие как SPY, имеют мало ошибок
отслеживания, потому что они содержат
большое количество базовых акций, каждая из которых
ликвидна. Проблема с ошибками отслеживания
, как правило, более существенна для некоторых
• Обратные ETF или ETF с привлечением заемных средств: с
ETF, основанных на фьючерсах (которые могут страдать от
использованием различных
с помощью методов производных
финансового финансовых
инжиниринга некоторые ETF
отрицательной доходности по рулону), и товарных
создаются дляи достижения
ETF, а также их обратных аналогов и / или заемных средств.
доходности, противоположной динамике цен базовых ценных
бумаг и /или более чувствительной к ней.
Распространенными типами этих ETF
являются заемные средства (2x), тройные заемные средства (3x),
обратные (-1), двойные обратные
(-2x) и тройные обратные (-3x). В нестабильных рыночных
условиях
перебалансировка факторного
• Неоднородность этих ETF с привлечением заемных средств
риска: ETF различных классов
может изначально
активов повлечь
подвержены за собой значительные
различным затраты.
типам воздействия и, следовательно,
Кроме
имеют того, этифакторные
разные инструменты по своей природе более
риски.
волатильны, чем
Фондовые ETF, как правило, имеют значительную рыночную
ETF без заемных
бета-версию. В тосредств, и поэтому с ними следует обращаться
же время,
осторожно в страновые
отраслевые, портфеле силинесколькими инструментами
региональные фондовые ETF
(длинный-короткий).
подвержены риску
по отношению к соответствующим секторам, странам или
регионам. Некоторые ETF,
предназначенные для торговли на волатильности, также обычно
классифицируются как фондовые
ETF, но они обладают уникальным поведением или
характеристиками из-за
их подверженности влиянию индекса волатильности CBOE (VIX)
или, точнее,
фьючерсных индексов S & P 500 VIX. ETF облигаций составляют
• Ограничения возможностей: Поскольку индустрия ETF
вторую
находится по
не следует
наупускать
подъеме,изс постоянно
виду возможности
увеличивающимся
ETF. Эта AUM
величине
проблема группу
особенноETF на рынках США.
примечательна дляПо сути, они содержат
популярных фондовых
порт-
бирж, ориентированных на
фолио
нишевыедолговых
области.ценных бумаг,
В апреле варьирующихся
2017 года фондовыйот казначейских
фонд VanEck
облигаций до высокодоходных
Vectors Junior Gold Miners ETF
корпоративных облигаций,на
(GDXJ), ориентированный тем самым неся
компании соответствующие
малого и среднего
риски дюрации в долларах
бизнеса в золотодобывающей или
процентных
и серебрянойставок. Товарные
отраслях, ETF
привлек и биржевые
такой фонды валютных
приток капитала, что
лицо соответ-
в конечном итоге приостановил заказы на создание (а позже
ствующий фактор рисков на основе их ценных бумаг; это может
изменил состав
быть вызвано многочисленными
базового индекса), макро факторов.
поскольку владение некоторыми из его
ETFS и Alpha Research 235
базовые ценные бумаги достигали 20%-ного порога, за которым

вступали в силу законы об автоматическом поглощении.
Другими словами, ETF
может вырасти слишком большим для своего индекса и,
следовательно, не сможет удерживать
базовые ценные
Отделение бумагирынков:
от базовых в соответствии со своим выше, ETF
Как упоминалось
инвестиционным
может мандатом,
быть куплен чтопо
или продан приведет
его рыночной цене в течение
к приостановке
торгового дня. создания акций и / или значительным ошибкам
отслеживания.
Многие ETF, зарегистрированные в США, отслеживают
иностранные фондовые рынки, но что
произойдет, если базовые рынки закроются? Скорее всего, ETF
могут
по-прежнему торговать на своих собственных биржах, не
подвергаясь непосредственному влиянию. Такие
инциденты случаются не только во время
праздников на базовых местных рынках, но и иногда из-за
остановок торговли, как это было
с VanEck Vectors Egypt Index ETF (EGPT) в январе 2011
года и iShares MSCI Brazil Capped ETF (EWZ) в мае 2017 года.
АЛЬФА-ВОЗМОЖНОСТИ
Однако
можно было
Огромное бы обоснованно
количество и широкоеутверждать, что такие
разнообразие ETF стали
инструментов ETF
полезными
вместе с инструментами определения цен, когда местные
рынки были остановлены.
доступностью различных наборов данных позволяют находить
...........,
альфа-коэффициенты и
осуществлять статистический арбитраж аналогично акциям:
выдвигать
идею, разрабатывать числовую альфа-формулу, присваивать
альфа-значения
инструментам ETF,
Как и в случае а затем выполнять
с акциями, возможные нейтрализацию
альфа-идеи дляпоETF
рынку или определенным
охватывают множество группам инструментов. Кроме того,
благодаря
категорий.ETF, отслеживающим
Среди наиболее часто обсуждаемых концепций -
ценовая конкретных секторов, стран и регионов, а также
индексы облигаций
динамика и сырьевых
и сезонность. товаров, обзор
Ниже приведен ETF ALPHA могут лучше
некоторых
примеров из литературы.
1. Стратегия импульсного развития сектора США
многие макропоказатели и данные.
Сэмюэл Ли предложил эту идею в информационном бюллетене
Morningstar ETFInvestor
(2012). Он начинается с определения юниверса из 10
секторальных ETF (таблица 29.1).
Таблица 29.1 Секторальные ETF
XLY Фонд SPDR для выбора сектора по усмотрению потребителя

XLP Фонд SPDR для выбора сектора по выбору основных продуктов
питания
XLE Фонд SPDR для избранного сектора энергетики
XLF Фонд SPDR для избранного сектора финансов
XLV Фонд SPDR для избранного сектора здравоохранения
XLI Фонд SPDR для отдельных отраслей промышленности
XLB Материалы Выберите отраслевой фонд SPDR
XLK Технология Выберите отраслевой фонд SPDR
XLU Фонд SPDR для избранного сектора коммунальных услуг
IJR iShares Core S & P с малой капитализацией ETF
180 ТЫСЯЧ
130 ТЫСЯЧ
80 тыс.
60 тыс.
40 Тыс.
30 Тыс.
20 Тыс.
1993 1998 2003 2008 2013
Секторальный импульс Индекс S&P 500
Рисунок 29.2 стратегия динамики сектора США в сравнении с

индексом
Источник
: Ищу Альфу. S & P 500
Сравнивая цену последнего закрытия каждого ETF с его 12-

месячной
простой скользящей средней (SMA), стратегия momentum
учитывает только
те фонды, которые торгуются выше своих SMA. Затем он
удерживает равные позиции в целых трех ETF с наилучшей
доходностью за 12 месяцев.
Если критерию
Чтобы соответствует
захватить “альфу”, мыменее
можем открыть короткую позицию
трех ETF,
равного недостающие
размера на позиции заменяются
наличными.
SPY, что дастСравнение историческихпо
нам сбалансированную ФНЛ этой стратегии
отношению к длинной и
с показателями
короткой холдинга
позициям S&P 500 показано
рыночно-нейтральную (ина рисунке 29.2.
нейтральную
Интересно, по
чтоотношению к доллару)
alpha показала альфу.результаты
наилучшие Результаты
во время
тестированиякризиса
финансового alpha за2008
10 лет
года
,с потому
2004 почто
2013 год показаны
выбранные на рисунке
секторы 29.3.показатели широкого
превзошли
рынка. Однако без-
бета–тестирования на рынке доходность стала гораздо менее
соблазнительной - всего
$
Совокупный PnL
4,000,000
3,500,000
3,000,000
2,500,000
2,000,000
US
1,500,000
1,000,000
500,000
−500,000
2004 2005 2006 2007 2008 2009 2010 2011 2012 2013
Рисунок 29.3 Результат моделирования альфа-импульса сектора

из С января 2004 по декабрь 2013 года
около 2,92% годовых; на данном этапе коэффициент Шарпа для

этой alpha составляет всего
около 0,38. Усиление сигнала потребует дальнейших
исследований.
Как отметил Ли, эта простая стратегия недостаточно
диверсифицирована
2. Сезонность и поэтому
должна использоваться
Сезонность только как
- хорошо известное частьна
явление более широкого
мировых рынках
портфеля.
ценных бумаг
. В отношении акций США существует теория “продай в мае и
уходи”, которая
хорошо работала на протяжении многих лет. По сути, это говорит
нам о том, что фондовые
Некоторые
рынки примеры в литературе
США исторически также иллюстрируют
имели тенденцию к снижению в период
подобные
с сезонные закономерности
в акциях
мая в других
по октябрь порегионах.
сравнению В сстатье на с ноября по апрель.
периодом
сайте Seeking Alpha Фред Пиард (2016) предположил, что
фондовые рынки Германии,
Сингапура и Бразилии являются хорошими примерами этого
явления и
что соответствующие страновые ETF, а именно iShares MSCI
Germany
Чтобы лучше объяснить идею, мы моделируем и сравниваем два
ETF (EWG), iShares
портфеля,
(см. рисунок 29.4): MSCI Singapore
рассчитанных только наETF (EWS) и iShares
длительный срок MSCI
Brazil ETF (EWZ), могут быть использованы для использования
сезонных
тенденций.
35
30
25
20
15
10
Долл. США (в миллионах)

5
–5
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Только длинные акции Ротация акций и облигаций
Рисунок 29.4 Результаты моделирования двух долгосрочных

портфелей изЯнварь 2006 по июнь 2017
1. Только длинные акции, постоянно удерживающие равные

длинные позиции в SPY, EWG,
EWS и EWZ.
2. EWG,
РотацияEWSакций и облигаций
и EWZ с ноября пос равными
апрель и длинными позициями в
равные длинные
SPY,
позиции в популярных биржевых фондах облигаций – скажем,
iShares Barclays 20+ Year
Treasury Bond ETF (TLT) и iShares iBoxx $ High Yield Corpo-
rate Bond ETF (HYG) – с мая по октябрь.
Воздерживаясь от акций с мая по октябрь, портфель с
чередованием акций и
облигаций превзошел долгосрочный портфель, состоящий только
из акций.
Наиболее
Сезонные примечательно, что коэффициент
тенденции проявляются Шарпа
не только почтино и в
в акциях,
удвоился, с товарах
различных 0,40 до 0,77, в то время как
максимальная
модельного просадка
ряда. сократилась
Investopedia вдвое.
(Picardo 2018) описывает тенденцию
к
росту золота в сентябре и октябре, которую можно зафиксировать
с помощью золотых
ETF. На своем говоря,
Откровенно веб-сайте финансовый
явления инженер
сезонности, Перри Кауфман
обсуждавшиеся до сих
(2016)
пор, больше похожи на
описал рыночного
уловки несколько классических
времени, чем примеров сезонности
на практические идеивальфа-
сельскохозяйственных продуктах
хеджирования. Тем не менее,
и связанных
изучая такиеспаттерны,
ними ETF.можно получить интересные технические
или
макроиндикаторы, которые, в свою очередь, могут быть
реализованы в виде альфа-индексов для обеспечения
статистического арбитража по некоторым коррелированным
инструментам.
ПРОБЛЕМЫ В АЛЬФА-ИССЛЕДОВАНИЯХ ETF
Используя разнообразный пул инструментов ETF, исследователи

могут применять свои
количественные методы к различным наборам данных и
использовать свой творческий потенциал
для проверки
Среди другихидей и поиска
факторов дополнительных
особое альтернатив.
внимание следует уделятьТем не
менее, появляющиеся
ликвидности возможности
в этом
На пространстве
рынках сопряжены
США совокупный со многими новыми вызовами.
среднесуточный
объем торгов (ADV) в долларовом выражении по всем ETF по
состоянию на
ноябрь 2018 года составил около 93 миллиардов долларов, что
составляет почти 30% всех торгов на биржах.
Тем не менее, фактическая ликвидность может быть не такой
хорошей, как кажется из
за сильно искаженного распределения значений ADV. При
ближайшем рассмотрении,
После фильтрации на один
на основе только еще одна сложная
ликвидности
SPY приходилось около
проблема при определении 25% совокупного объема торгов всех
американских
вселенной ETFETF, а на 10 самых
заключается в том,ликвидных
что многиеETF (включая
фонды имеютSPY)
очень
приходилось около
похожие аналоги.
50% этого объема.
Например, помимоДругими
SPY, такиесловами,
ETF, какреальная
iShares торговая
Core S & вселенная
P 500 ETF
для надежной альфа-версии
(IVV) и Vanguard S & P 500 ETF (VOO), также отслеживают индекс
, вероятно,
S представляет
& P 500. Для дневной илисобой
дажелишь небольшое подмножество
внутридневной альфа-системыиз
тысяч ETF на
(например, рынках.
основанной
наЕще
пятиминутных интервалах)
одной сложностью является наличие множества обратных
не имеет
или особого смысла присваивать противоположные значения
заемных
этим почти
ETF. Представьте себе экстремальный сценарий, в котором альфа-
идентичным инструментам,
банк имеет длинную позициюпоскольку возможности для
арбитража,
в если таковые
SPY и короткую позициюимеются, приShort
в ProShares такойSчастоте
& P 500 (SH), что
вряд ли покроют транзакционные
дает противоположные издержки.S & P 500. Хотя
дневные показатели
альфа-индекс может быть нейтральным по отношению к доллару
(сбалансированным по длинным и коротким позициям), по сути,
он
одновременно занимает
В конечном счете, две длинные
фактическая позиции
область в S & P 500, что в
альфа-исследований
приводит
ETF может к быть
чисто рыночной
намного меньше бета-версии.
по сравнениюТаким образом,
с областью “нейтральная
акций, тем самымк
доллару”
увеличиваяальфа-валюта может не
быть настолько
легкость хеджирована,
переобучения и рисккак следовало “поддельных”
обнаружения бы, если такиеальфа-
обратные
фондов. инструменты или инструменты с кредитным плечом
Постоянное
не обрабатываются
воздействие должным
определенных образом.
факторов риска может привести к
высокой производительности Sharpe.
Одним из примеров может быть чисто короткая стратегия VIX,
такая как открытие
короткой позиции в ETN краткосрочных фьючерсов iPath S&P 500
VIX (VXX)
с момента ее создания, при которой коэффициент Шарпа может
составить около 1,1 (см.
Рисунок 29.5).
140
120
100
)
80
60
Долл. США (в миллионах
40
20
0
2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Рисунок 29.5 Результат моделирования короткого примера VXX за

период с апреля 2009 года
по сентябрь 2018 года
За
последние несколько лет биржевые фонды претерпели быстрое
развитие, и все более новые ETF вошли во вселенную торгуемых
ликвидных продуктов,
способных к использованию. Эти инструменты могут существовать
только в более поздней части
периода обратного тестирования и, следовательно, отрицательно
влияют на надежность
смоделированной в выборке производительности. Это не
уникальная проблема для ETF,
но
ETFона существенна
- это в этой стремительно
быстро развивающийся растущейинструмент,
инвестиционный
инвестиционной сфере.
растущая популярность которого была обусловлена множеством
преимуществ, которые он предлагает инвесторам.
..........
Однако профиль риска стратегий и портфелей, торгующих ETF,
может
сильно отличаться от профиля риска других классов активов,
особенно чистых акций
. Широкий спектр инструментов ETF делает поиск альфа-активов
сложной, но привлекательной задачей.
Учитывая множество возможностей, нужно
проявлять творческий подход к генерированию торговых идей,
соблюдая при этом осторожность на каждом
этапе процесса альфа-исследования. Однако многие успешные
портфельные
менеджеры показали, что стратегии, построенные на альфа-
фондах ETF, обладают
потенциалом генерирования PNL с хорошими коэффициентами
Шарпа и очень низкой
корреляцией с другими стратегиями и, таким образом, могут
повысить ценность
портфелей в целом.
30
Нахождение Альф на
фьючерсах
и форвардах
Авторы: Рохит Агарвал, Ребекка
Леман и Ричард Уильямс
Поиск альф на рынках фьючерсов и валютных форвардов является

областью,
представляющей большой практический интерес. Она также
представлена множеством проблем, некоторые аналоговый
движение механич-
ГУ тех, и на других рынках, таких как акции и биржевые
фонды, и некоторые из них уникальны для этих конкретных
документов. В этой главе
КЛЮЧЕВЫЕ ОСОБЕННОСТИ
будут рассмотрены РЫНКА
некоторые методы и идеи, которые оказались
полезными при
Фьючерсы предназначены
решении этих для того, чтобы
проблем за последние предоставить
несколько лет. трейдеру
возможность отслеживать изменения цен на
базовый актив без затрат на удержание эквивалентной позиции по
этому активу. Торгуемые фьючерсные рынки включают фьючерсы
на фондовые индексы,
сырьевые товары, валюты и облигации. В контексте исследования
alpha,
краткосрочные форвардные контракты на валюты предоставляют
аналогичную форму доступа к
относительным рискам в отношении стоимости валюты. Это
делает фьючерсы ОСНОВНОГО
ВОЗДЕЙСТВИЕ и форварды особенно
ФАКТОРА
удобными инструментами как для хеджеров, так и для
спекулянтов
Поскольку как и фьючерсы, так и форварды дают риск,
раскрывает
эквивалентныйих наиболее
риску существенные особенности.
базового актива, из этого следует, что цены фьючерсов и
форвардов
зависят от одних и тех же факторов, определяющих этот актив.
Это простое наблюдение
Поиск альф: количественный
имеет важныеподход к построению
последствия. торговых стратегий,
Существуют второе издание.
различные группы Под
рыночных трейдеров
которые фокусируются исключительно на определенных наборах

фьючерсов и валют;
хеджеры стремятся контролировать свою подверженность рискам,
связанным с определенными факторами.
Товарные фьючерсы служат хорошим примером того, как
производители и Consum-
ERS по физической товаров, использование фьючерсов для
хеджирования своих рисков на конкретных
товаров. Каждая группа трейдеров может иметь свои собственные
характерные
пределы риска, допуски и торговое поведение, что, в свою
очередь, может привести к
качественно отличающемуся поведению рынка. Например,
фермеры и различия между участниками рынка, многие
Признавая
корпорации
организации,позанимающиеся
производству продуктов питания,
маркетингом которые
и частной торговлей,
используют сельскохозяйственные
имеют специалистов, рынки для контроля
своих рисков, имеют
управляющих мало
торговлей общего с авиакомпаниями,
различными которые
классами фьючерсов и
используют фьючерсы
валют, причем на энергоносители
для хеджирования
классы основаны насвоих будущих
наборах расходов
сходных базовыхна активов.
топливо. Это
В еще
результате,
больше в отличие от
обуздывает
рынка акций,
различия где“секторами”,
между все основныепоскольку
ликвидные активы
разные продаются
трейдеры,
одним и
конторы итем же
кругом инвесторов для
бизнес-направления одних и тех
управляют же целей,
разными многие объекты
фьючерсами и
недвижимости
форвардами. Поскольку большая часть
гораздо менее
корреляции, сопоставимымежду
наблюдаемой по всему спектру
активами нафьючерсов или
общем рынке,
форвардов.
обусловлена
общими настроениями, поведенческими предубеждениями и
практическими ограничениями
ПОСЛЕДСТВИЯ ГРУППИРОВКИ ИНСТРУМЕНТОВ
отдельных лиц и команд, торгующих ими, корреляции на
фьючерсных
Эти группы инструментов предоставляют как возможности, так и
и форвардных рынках, как правило, намного слабее, чем на
проблемы в
рынках акций
поиске альф. Одна из наиболее очевидных проблем заключается в
. Однако интересно отметить, что, казалось бы, разные классы
том, что по мере того, как мы рассматриваем
активов
меньшие группы более тесно связанных инструментов, у нас
становятся более взаимосвязанными в периоды финансового
становится
кризиса.
меньше инструментов, которыми мы можем торговать вместе в
одной альфа-версии. При прочих
равных условиях ожидаемый коэффициент Шарпа альфа
пропорционален
квадратному корню из ширины Вселенной. Фьючерсный юниверс в
целом уже содержит намного меньше инструментов, чем
фондовый юниверс
; когда мы сегментируем фьючерсный юниверс на
соответствующие подмножества,
юниверс для многих alpha еще меньше - часто от одного до
дюжин инструментов. Следовательно, альфа-фьючерсы требуют
большей глубины
Нахождение альф на фьючерсах и форвардах 243
информации для каждого инструмента для достижения тех же
совокупных результатов, чем
альфы на более крупном наборе инструментов. По мере того как
качество каждого инструмента
alpha повышается, это становится более очевидным для других
участников рынка
и его ожидаемый срок службы сокращается. И наоборот, по мере
того, как мы определяем наборы
более похожих инструментов, у нас повышаются ожидания того,
что какая-либо конкретная альфа-версия должна присутствовать
во всем наборе.
Хотя генерировать альфы в этих небольших и разнородных
Тест перекрестной
подразделениях проверки, заключающийся
определенно сложнее, наградойв удалении
является каждого
гораздо
инструмента по очереди и повторной проверке выявленной
большая ликвидность
взаимосвязи, становится
на этих рынках. Надежные более значимым....
альфа-валюты на ликвидных
Таким образом,
фьючерсах могутпоиск группы внужного
торговаться большихразмера, на
которой можно
размерах протестировать
без затрат наших
и регуляторных альфа-кандидатов,
рисков, связанных с является
ключевым строительным
воздействием на рынок. блоком
БАЗОВЫЙ КОНТРОЛЬНЫЙ СПИСОК ДЛЯ АЛЬФА-
альфа-исследований.
ТЕСТИРОВАНИЯ
Начиная с основной альфа-идеи, первым шагом является
определение секторов,
где мы ожидаем ее появления, и временных рамок, в которые мы
ожидаем
ее проявления. В качестве примера рассмотрим энергетический
рынок США и
альфа-оценку, основанную на прогнозе экстремальных погодных
условий на крупном морском нефтяном и газовом месторождении
США
. Еще до того, как мы посмотрим на данные, мы можем
определить, какие
инструменты, по нашим ожиданиям, будут иметь значение (нефть,
газ и продукты их переработки)
, а также временные рамки, на которые, как мы ожидаем, данные
окажут влияние – в
данном случае, продолжительность типичного шторма и время,
Следующий шаг - подогнать простую статистическую модель и
необходимое для остановки
протестировать ее на надежность
и возобновления добычи. (По обоим этим
, изменяя параметры при подгонке. Одним из хороших тестов
горизонтам будут высказаны различные мнения, но мы все еще
надежности
можем использовать подразумеваемую причинно-следственную
является включение аналогичного актива для сравнения, где мы
связь между
ожидаем, что эффект
экстремальными погодными условиями и предложением товаров,
будет слабее. В случае нашего примера weather alpha разумным
чтобы сузить круг
выбором была бы сырая нефть марки Brent
кандидатов.) Теперь мы можем протестировать нашу идею, собрав
. Сырая нефть - это глобальный рынок, поэтому мы бы
данные об исторических
ожидали некоторого влияния перебоев с поставками в США.
прогнозах погоды и изменениях цен по основным энергетическим
Однако нефть, поставляемая
контрактам
в Европу, не является идеальной заменой поставкам в США,
и протестировав связь между двумя наборами данных, используя
поэтому мы бы
частичный
ожидали незначительного воздействия. Опять же, мы можем
выборочный исторический набор данных.
протестировать это на данных из выборки.
Исследовав случаи, в которых мы ожидали бы, что альфа-версия

сработает, теперь мы можем проверить обратное: где, как мы
ожидаем, не будет
взаимосвязи? В нашем примере основная идея довольно тесно
ориентирована на один сектор, поэтому мы ожидали бы
обнаружить отсутствие взаимосвязи, если бы
повторно протестировали ее на других секторах, таких как
промышленные
В зависимостиметаллы или фьючерсы
от результатов на облигации.
наших тестов, теперь мы могли
Этот шагв на
бы быть удивление хорош при поиске неправильно
состоянии
закодированных
протестировать нашуили заданных
идею на нашем выборном наборе данных.
При тестов.наборе
таком небольшом
Следующие тестирование вне образца
явления и источники становится
информации важнойодними
являются
частью процесса,
из
наиболееизбежать
помогая интересных
непреднамеренной
и полезных источников
переоснащения.
alpha для
Следите за (умными) деньгами
фьючерсных трейдеров.
Отчет об обязательствах трейдеров (COT) (рисунок 30.1)
публикуется
Комиссией по торговле товарными фьючерсами (CFTC)каждую
пятницу.
Может быть чрезвычайно полезно знать, на что делают ставки
“умные деньги”
, а затем следовать им. В отчете приводится разбивка открытого
интереса по
различным участникам рынка, таким как коммерческие трейдеры
(крупный бизнес
Ценность отчетанекоммерческие
и производители), COT основана натрейдеры
предпосылке, что сделки
(крупные
коммерческих
спекулянты) и трейдеров,
не- как правило, отражают их потребности
в хеджировании,
портативные которые
трейдеры могут спекулянты).
(мелкие быть Более подробную
информацию об этом отчете можно
найти по адресу
http://www.cftc.gov/marketreports/commitmentsoftraders/
index.htm.
Рисунок 30.1 Отчет COT по пшенице по состоянию на 13

ноября 2018
Источник
: Комиссия г.
по торговле товарными фьючерсами США.
Нахождение Альф на фьючерсах и форвардах 245
не коррелирует или даже отрицательно коррелирует с их

взглядами на стоимость
активов, в то время как сделки спекулянтов выражают их взгляды
на рынок.
Если спекулянты имеют доступ к соответствующей информации,
их сделки могут быть
предсказуемыми. Когда спекулянты демонстрируют эффект
следования за трендом и переворота
, их сделки могут даже самореализующимися. Рассмотрим идею
alpha
открывать длинные позиции по инструментам с растущим
открытым интересом спекулянтов и
открывать короткие позиции по инструментам с уменьшающимся
открытым интересом спекулянтов. Можно ожидать, что эта идея
сработает с активами на рынках, где на спекулянтов приходится
значительная доля активности. Имеет смысл сравнить
потоки спекулянтов в разрезе небольших групп инструментов
, таких как зерно, энергоносители, европейские валюты или
североамериканские фондовые
индексы, – которыми, как правило, торгуют одни и те же
спекулянты. Соответствующие
временные горизонты для каждой группы активов должны быть
Сезонность на рынках
наиболее распространенными временными
Сезонность - это тенденция рынков двигаться в заданном
горизонтами для спекулянтов в этой группе. Эта альфа-версия не
направлении
должна работать с
в определенное время года. Это особенно заметно на рынках
группами несвязанных активов или активами с низким охватом
сельскохозяйственных
спекулянтов.
товаров и энергоносителей из-за особенностей сбора урожая и
Также можно ожидать, что он потерпит неудачу, если что-то
циклов нагрева и охлаждения. Но это не ограничивается
непредвиденное застигнет спекулянтов
сельскохозяйственными и
врасплох; возможно, имеет смысл подстраховаться или выйти из
энергетическими товарами; циклические структуры спроса,
этой альфа–версии, когда вероятен
потребления, изобретений
сюрприз - скажем, когда
или предложения могут привести к аналогичному поведению на
запланировано заседание Федеральной резервной системы (для
других рынках. Простой альфа-
финансовых фьючерсов) или выпуск отчета по урожаю (для
агент может использовать поведение предыдущих лет для
сельскохозяйственных фьючерсов).
прогнозирования текущего
периода. Можно ожидать, что эта альфа-версия будет лучше всего
работать на товарных фьючерсах
и валютах, таких как австралийский доллар (AUD), которые тесно
связаны с сырьевыми товарами. Это также должно иметь
некоторое значение на фондовых
рынках, которые зависят от краткосрочных настроений
потребителей. Оно должно быть
самым слабым на облигациях и нерыночных валютах. Наиболее
вероятный временной
горизонт составляет 1-3 месяца – достаточно короткий, чтобы
уловить различия
между сезонами, но достаточно долгий, чтобы усреднить
ежедневный шум. Можно ожидать, что сезонные
модели
246 потерпят неудачу в случае необычных потрясений
Поиск Альф для
предложения
или спроса (таких как не по сезону погода или ураган в
миллиард кубических футов
Мексиканском
4,400 заливе для энергетических альф) или для
краткосрочных
4,000 настроений (таких как новости).
3,600
3,200
2,800
2,400
2,000
1,600
1,200
800
400
0
16 октября
17 января17 апреля17 июля 17 октября
18 января18 апреля18 июля 18 октября
5-летний максимально–минимальный диапазон
Ниже 48
средний показатель за 5 лет
Рисунок 30.2 Рабочий газ в подземном хранилище по сравнению с

пяти- максимальный и минимальный год (по состоянию на
Источник ноябрь
: Управление 2018 года)
энергетической информации США.
На рисунке 30.2 показана сезонность запасов природного газа.

С приближением зимы
спрос на природный газ возрастает по мере
сокращения запасов из-за его использования в домашнем
отоплении.
Включение и отказ от риска
Бывают моменты, когда рыночные настроения в целом позитивны,
а инвесторы
настроены оптимистично и готовы пойти на больший риск, чтобы
получить более высокую прибыль.
Такая среда называется рынком, ориентированным на риск,
потому что участники рынка стремятся взять на себя больше
риска.
С другой стороны, бывают
моменты, когда инвесторы настроены пессимистично и пытаются
Такое риск,
снизить поведение инвестора – устремляться к активам,
продавая
воспринимаемым как рискованные
свои позиции в рискованных активахвоивремя
переводя деньги в
рискованных периодов,
наличные позиции или и к активам, воспринимаемым как
безрисковые
безопасные во время
Чтобы построить
убежища сбезрисковых
альфа-систему периодов,
риска,-/ такие
включения
низким уровнем выключения
как риска,
увеличивает
мы должны корреляцию
определить, между различными
находится ли
казначейские облигации США. Это называется классами
временемактивов.
отказа
рынок в режиме включения или выключения риска на
от риска
ежедневной,
(рис. 30.3). еженедельной, ежемесячной и
ежеквартальной основе; классифицировать различные активы как
включенные в риск или безрисковые
(либо полностью, либо относительно других активов в группе); и
назначить
им позиции на основе текущего состояния рынка.
1.2
Рисковать Без риска Рисковать Диапазон рынка
0.8
0.6
AUD/USD
0.4
0.2
0.0 2007/10/12 2009/03/05 2010/07/26 2011/12/12
2006/05/24
Рисунок 30.3 Режимы включения/выключения риска на кривой цен

AUD/USD
Одним из популярных индикаторов восприятия рыночного

риска является VIX, индекс волатильности,
построенный на основе подразумеваемой волатильности опционов
S &P 500.
Традиционно корреляция между ценой и волатильностью
отрицательна для
акций, которые обычно являются рискованным активом. Таким
образом, высокие или увеличивающиеся
уровни VIX связаны с уходом денег с фондовых рынков
в более безопасные активы, что указывает на наступление режима
отказа от риска. VIX
сам по себе является торгуемым фьючерсным инструментом,
который используется многими, чтобы извлечь выгоду
из падения рынков. Другие индикаторы включают кривую
К риску-от(более
Альфы высокая
могут быть проданы на VIX и на широких
и крутая
кросс- - при включении риска; более низкая и более плоская
или перевернутая - при отключении риска); секторальные
секционные рынки, поскольку они основаны на широком рынке
потоки между
корреляции. секторами, подверженными риску, такими как
потребительские
Они лучше дискреционные и безрисковые
Перенос и работают
Контангона/Бэквардация
более длительных временных интервалах
сектора,
от недель такие как коммунальные
до месяцев. услуги, или между
Когда фьючерсы на ближайший месяц дешевле, чем фьючерсы с
формирующимися (подверженными риску) и развитыми
дальнейшим сроком действия,
(безрисковыми) рынками; валютные пары, такие как AUD/JPY; и
кривая цены наклоняется вверх, и считается, что контракт
ковариационная структура рынка (верхний собственный вектор
заключен в контанго
обычно
(рисунок 30.4). Как правило, это относится к товарам и может
безрисковый).
Однако в некоторых случаях фьючерсы на ближайший месяц
быть
стоят
,отнесено
чем дороже на отдаленный месяц, что создает нисходящую
фьючерсы
к стоимости хранения или стоимости транспортировки.
кривую, и
2,300
2,250
2,200
2,150
2012/06/07
2012/06/01
2,100
2,050
2,000
1950
Рисунок 30.4 Распределение какао в Контанго
говорят, что контракт находится в бэквардации. Финансовые

фьючерсы, как правило,
отстают в развитии, поскольку базовые активы оплачивают
премии или купоны
Некоторые трейдеры зарабатывают деньги, продавая контракты
и контанго
в не требуют затрат на хранение.
и покупая
контракты в бэквардации, что известно как кэрри-трейд.
Прибыль поступает из двух источников: доходности отдельных
контрактов по мере того, как
срок их действия приближается к истечению, и доходности от
пролонгации, получаемой при переходе портфеля
от одного контракта к следующему. Можно ожидать, что это
контанго и бэквардейская
альфа-версия сработают на сырьевых товарах, акциях, облигациях
и
валютных парах, где по крайней мере одна сторона имеет
значительную ненулевую процентную
ставку. Это не работает, когда все кривые плоские. Классическая
валютная кэрри-торговля G10 перестала работать после
глобального финансового кризиса 2008-2009
годов, когда многие центральные банки снизили свои кредитные
ставки до нуля. Керри-трейды, как правило, приносят медленную
и стабильную прибыль, когда
Группировка
они работают,инструментов по секторам
но они уязвимы на основе
к внезапным базового
рискованным актива
сбоям.
является важнымчто
Предполагается, аспектом фьючерсных
для финансовых и валютных
активов (акций,альфа-
облигаций,
исследований,
валют, ставок) как и
доходность
поведение отдельных
равна доходности группКогда
на риск. участников рынка в каждом
рынок вступает секторе
в фазу отказа оти
риска,
инвесторы отказываются от высокодоходных активов, которые они
считают слишком рискованными.
общие участники во всех секторах приводят к возникновению

корреляций
между этими инструментами. Фьючерсные и валютные трейдеры -
это относительно
небольшая группа, которая следит за конкретными активами и
показателями и реагирует
предсказуемыми и часто самореализующимися способами, о
которых всем известно.
Понимание ключевых идей, которые движут трейдерами-людьми,
может стать плодотворным
источником идей alpha research. Если вы уделите минутку
размышлениям о том, как
воздействие факторов каждого сектора должно соответствовать
идее, которую вы
исследуете, возможно, вы найдете полезное место для начала
тестирования ваших идей.
ЧАСТЬ IV
Новые горизонты –
WebSim
31
Введение
Джеффри Скотт в WebSim
Введение
Прочитав все идеи, представленные в предыдущих главах, вы

можете
спросить:
WebSim “Как
- это явеб-платформа
могу протестировать свои собственные
для моделирования рынкаидеи?”
Ответ прост: WebSim.
WorldQuant,
которая является общедоступной и может использоваться для
тестирования идей на основе прошлых
рыночных данных.
• Почему была Эта главаWebSim
разработана будет посвящена:
• Как WebSim используется во всем мире
• Кто использует WebSim
• Откуда берутся идеи alpha
• Примеры типов данных
• Создание альфа-версии
• Управление настройками моделирования
• Анализ результатов
• Альфа-пример
ДЛЯ ЧЕГО БЫЛА РАЗРАБОТАНА WEBSIM
WebSim был разработан как инструмент, позволяющий отдельным

пользователям создавать и тестировать
альфа-версии. WebSim также используется для квалификации
потенциальных консультантов
Являясь платформой по исследованиям,
для моделирования рынка со встроенной
которые
базой работают
знаний и удаленно в рамках Виртуального
исследовательского
образовательным центра
альф, WorldQuant.
наука созданиякомпонентом, WebSim
тестирования ихпозволяет отдельным
идей и получения
лицам изучать искусство
количественной
и
обратной связи об их эффективности, как на фоне рынка, так и по
сравнению с их количественными аналогами. Это
основополагающая платформа для
такие соревнования, как WorldQuant Challenge и International

Quant Championship, где лучшие исполнители получали
различные
возможности, в том числе становились платными консультантами
по исследованиям.
КАК WEBSIM ИСПОЛЬЗУЕТСЯ ВО ВСЕМ мире
Хотя первоначально целью WebSim было квалифицировать

консультантов по исследованиям и предоставить
им основу для разработки alpha-приложений, с течением
лет WebSim развивалась и в настоящее время используется в
• направлениях:
Традиционные и нетрадиционные образовательные
среды:
включают
они как университеты, так и массовые открытые онлайн-
курсы (MOOC),
которые предпочитают использовать WebSim в учебных
программах, связанных
• Самообразование: с количественными
многие финансами
люди по всему миру получают
и единственной
подобными
доступ
с к WebSimтемами.
целью самостоятельного обучения, используя
преимущества
образовательного компонента платформы, который включает в
себя обучающие Университеты всего мира использовали WebSim
• Соревнования:
видеоролики,
в качестве
для учебные
платформы
проведения пособиявирамках
соревнований доступопределенного
к исследовательским
класса
работам.
или отдела
или в более широком масштабе: функции подсчета очков в
WebSim используются для
количественной оценки лучших исполнителей.
КТО ИСПОЛЬЗУЕТ WEBSIM
Пользователи WebSim невероятно разнообразны и приезжают со
всего мира.
Хотя многие пользователи WebSim являются студентами
университетов,
стоматологи у нихфермеры.
и даже разный Их общими качествами, как
опыт работы,
правило, и среди
являются них руководители, видеоигристы,
высокий
профессора,
уровень математических знаний и желание узнать больше о
финансовых рынках.
ОТКУДА БЕРУТСЯ АЛЬФА-ИДЕИ
В качестве платформы моделирования WebSim принимает

вводимые пользователем данные и выполняет обратное
тестирование для определения общего качества идеи. Проблема
для
многих пользователей заключается в том, как в первую очередь
находить идеи. Хотя нет
Введение в WebSim 255
простой ответ на этот вопрос: существует множество ресурсов,

которые могут помочь
генерировать идеи для alphas. Исследовательские статьи,
финансовые журналы, блоги и
технические
Технические индикаторы
индикаторы- все это быть
могут может быть полезной
использованы дляотправной
анализа
точкой. Полезные
краткосрочных документы
изменений цены.
часто можно найти
Они являются на таких веб-сайтах,
производными как SSRN,
от общей ценовой Seeking Alpha
активности в и
Wilmott.
акции или другом
активе и направлены
Примерами на предсказание
распространенных будущихиндикаторов
технических уровней цен или
общего направления
являются цен
индекс относительной силы
,ценной
индексбумаги, рассматривая
денежных прошлые модели.
потоков, конвергенция/дивергенция
скользящих средних
(MACD) и полосы Боллинджера. Описания некоторых из этих
показателей, наряду с формулами и соответствующими
интерпретациями, можно
найти на таких
ПРИМЕРЫ веб-сайтах,
ТИПОВ ДАННЫХкак StockCharts и Incredible Charts.
........... "Биржевые диаграммы".
Использование новых и альтернативных наборов данных на
платформе WebSim продолжает
расширяться, и ожидается, что набор доступных данных будет
продолжать расти
с течением времени. Ниже вы найдете неисчерпывающий список
некоторых
• Данные опримеров
цене и объеме (информация о динамике конкретных
типов данных:
акций, включая цену открытия/ закрытия, высокую / низкую
цену и дневной объем торгов
• ume).
Основные данные (подробная информация о финансовых
показателях компании
как отражено в ее ежеквартальном отчете о прибылях и убытках
или финансовой отчетности,
• такие как продажи,
Новостные данные. расходы, Ebitda и долг).
• Данные о настроениях, включая социальные сети.
• Данные о взаимоотношениях, включая компании, которые
являются
клиенты.конкурентами или
СОЗДАНИЕ АЛЬФЫ
Как определено в этой книге, альфы - это математические модели,

которые
стремятся предсказать движение цен на мировых финансовых
рынках.

В WebSim альфа обычно состоит из трех элементов:
• Данные
• Математические операторы
• Константы
Платформа WebSim позволяет использовать простые

математические выражения в качестве основной формы ввода.
Например, рассмотрим следующую
нижеприведенную альфу:
дельта (близко, 5)
Это простое выражение присваивает каждой акции

положительную или отрицательную
позицию, равную разнице между дневной ценой закрытия
акции и ценой
В WebSim закрытия пятью
альфа-значение дляднями ранее.
каждого инструмента
интерпретируется как
положительный или отрицательный относительный вес в
моделируемом портфеле. Акциям
с положительным весом присваиваются длинные позиции, а
акциям с отрицательным
весом - короткие позиции.
Альфа-символы Позже
могут быть в этой
очень главе мы
простыми, как в приведенном
обсудим юниверс,
выше примере, иликоторый определяет набор акций, которым
более сложными.
будут назначены
Пользователи имеют доступ к различным библиотекам, которые
позиции
могут в определенной
помочь им в альфе.
процессе создания альфа-версии.
УПРАВЛЕНИЕ НАСТРОЙКАМИ МОДЕЛИРОВАНИЯ
Перед созданием альфа-версии пользователь должен рассмотреть

несколько настроек, которые
повлияют на результаты моделирования. Пример этих настроек
можно увидеть
Первый параметр, который следует учитывать, - это регион,
на рисунке 31.1,
используемый замоделировании.
при которым следует краткое описание каждого из
них.
Это могут быть рынки США, Европы или Азии. В моделирование
будут включены
После только запасы
выбора региона из
пользователь должен выбрать юниверс
выбранного
акций региона.
в пределах этого региона. Это могут быть 200 лучших
акций,
1000 – до 3000; это число отражает самые ликвидные
акции в выбранном регионе (определяется по наибольшему
среднесуточному
объему торгов в долларах).
Рисунок 31.1 Настройки WebSim
Настройка задержки относится к доступности данных и

указывает,
используются ли при анализе сегодняшние или вчерашние цены.
Задержка-0 использует
Другой важный сегодняшнюю
параметр цену,
называется а Задержка-1
затуханием. Это
использует функцию
выполняет вчерашнюю цену.
линейного
затухания за указанное количество дней путем применения
взвешенной
линейной комбинации сегодняшнего альфа-значения со
значениями предыдущих
Максимальный дней. превышает вес, присвоенный
вес запаса
Это обеспечивает
любому отдельномуэффект сглаживания и может быть полезно для
снижения оборота
запасу в моделировании. Рекомендуется, чтобы это значение
альфы. (Оборот
составляло будет
от 0,05 до обсужден позже.)
0,1, что указывает на максимальный вес 5-10% для любого
данного запаса в
выбранной вселенной. Это помогает защититься от ненужного
воздействия каких-либо
конкретных запасов. Более высокие значения максимального веса
акций позволяют альфа-компании
Нейтрализация
придавать позволяет
больший вес пользователю
своим самым сильным группировать
прогнозам, запасы
и нейтрализовывать
потенциально (принижать)
увеличивая
на основе отрасли,
доходность за счет рынка
большегоилииндивидуального
подотрасли, гарантируя, что общий
риска. Более
порт-
Дни обратного
низкие значения просмотра задает количество данных за
фолио является
предыдущие
сглаживают днирыночно нейтральным,
для анализа
альфа-фактор, при
контролируя без направленного
индивидуальный
воздействия.
запуске альфа-версии
биржевой для каждого
риск. Максимальный вес дня. Хотя этот параметр не
запаса
влияет на больше для юниверсов меньшего размера, где меньше
может быть
значения,
запасов, генерируемые alpha, более низкое значение может
ускорить можно
которым моделирование
присвоить навеса.

ограничение объема данных, используемых на каждой итерации.

Более высокое значение позволяет
альфа использовать более старые исторические данные; это
полезно для фундаментальных данных -
наборов, которые, как правило, обновляются ежеквартально или
ежегодно.
АНАЛИЗ РЕЗУЛЬТАТОВ
Как только параметры установлены и введено альфа-выражение,

WebSim выполняет обратное тестирование идеи с использованием
исторических данных. Как правило,
симулятор использует фиктивную книгу на сумму 20 миллионов
долларов, ежедневно перераспределяя
капитал на длинные и короткие позиции по выбранному
набору акций,
Имитация соответствующих
торговли положительным
происходит и отрицательным
ежедневно, и WebSim выдает
значениям
результаты моделирования как в графическом, так и в цифровом
альфа-функции
виде. послекоторый
Первый результат, применения нейтрализации
увидит и -распада.
пользователь, это график,
показывающий PnL (прибыль и
убыток) смоделированных результатов торговли. График на рис.
31.2 является
примером хорошей альфы.
Только образец
3000к
2500к
2000к
PNL
1500к
Коэффициент Шарпа
1000 к
500 тыс.
–500 тыс.
2013-07 2014–01 2014–07 2015–01 2015–07 2016–01 2016–07 2017–01 2017–07 2018-01
Рисунок 31.2 график PnL для образца WebSim

1
alpha
1
Альфа = ранг (продажи / активы).
Таблица 31.1 Показатели производительности для образца WebSim alpha на
рисунке 31.2
Кроме того, отображаются многочисленные показатели,

дающие пользователю
возможность оценить совокупную производительность alpha, как
показано в таблицеэффективности
Эти показатели 31.1. отражают распределение
капитала по
акциям и результаты деятельности альфа-банка, включая годовой
и совокупный
Первое, что доход от рассмотреть,
следует продаж, коэффициент
- являетсяШарпа, оборот и
ли альфа-версия
другие
PnL параметры.
прибыльной.
и доходность Были ли
адекватными?
...........,
Коэффициент Шарпа - это показатель доходности с поправкой
на риск (доходность/
волатильность). Его можно рассматривать как показатель
прогностической способности
модели.
Оборот Чем выше
- это коэффициент
показатель Шарпа,
объема тем более
торговли, надежным
необходимого для
имеет тенденцию быть альфа.
достижения
желаемых позиций альфа-трейдера за период моделирования.
Каждая сделка в
позиции или выход из нее сопряжена с транзакционными
издержками (комиссионными и расходами на распространение).
ЕслиДругие показатели производительности и их использование при
оценкеоборотов
число альфа- велико – например, более 40% – транзакционные
издержки могут свести
производительности более
на нет
подробно
часть или
обсуждаются
все PnL, сгенерированные
в руководствах
В дополнение к совокупным показателям эффективности
alpha в ходе WebSim
пользователя
наглядные диаграммы и графики WebSim data
моделирования.
и видеороликах в образовательном разделе веб-сайта.
помогают подтвердить, что альфа-компания имеет приемлемое
распределение позиций и доходности по акциям,
сгруппированным по пороговые значения соблюдены, альфа-
Если установленные
капитализации,
вне-
выборочного отрасли
могут бытьили сектору.
обработаны
тестирования в ходе
с использованием более актуальных
данных для подтверждения обоснованности
идеи.
АЛЬФА-ПРИМЕР
Как объяснялось ранее, многие веб-сайты предоставляют

общедоступные исследовательские
документы, которые могут быть использованы для разработки
альфа-версий. Альфа-идеи могут поступать из
многих источников и могут быть сконструированы с
использованием различных подходов.
Альфа-банк
В качествеможет сосредоточиться
конкретного на определенном
примера рассмотрим финансовом
концепцию
коэффициенте,
соотношения как
долгав следующем
к примере
собственному капиталу
из фундаментального анализа. Идея заключается в том, что если у
, или он может
компании есть попытаться реализовать классическую торговую
стратегию, такую как
импульс или разворот.
высокое и растущее соотношение долга к собственному капиталу

сопряжено с риском, поэтому вам захочется
открыть короткую позицию по акциям; и наоборот, если
соотношение долга к собственному капиталу низкое, акции
имеют хорошую стоимость, поэтому вам захочется открыть
длинную позицию. Используя эту гипотезу,
можно разработать
Ts_rank(-долг альфа-модель,
/ собственный капитал,которая
240) использует отношение
долга к собственному капиталу для
В этом
выбора примере
акций операториранжирования
для длинных временных
коротких позиций, рядов
как показано
применяется
ниже: к соотношению долга к
собственному капиталу за период в 240 дней. В течение периода
моделирования
WebSim определяла, по каким акциям открывать длинные
позиции, а по каким -
короткие, на основе их последних балансовых отчетов, используя
выбранный uni-
стих. Имитируемая торговля будет происходить с использованием
введенных параметров,
и WebSim
WebSim выдаст
- это результаты.
платформа для моделирования финансового рынка,
которую пользователи могут использовать
для реализации и тестирования своих идей с помощью простых
выражений. WebSim
доступен на глобальной основе и профессионально используется
нанятыми
консультантами-исследователями, а также в качестве
образовательного инструмента, как индивидуально
, так и через образовательных провайдеров. WebSim принимает
вводимые пользователем
Как общедоступная данные иWebSim доступна по адресу
платформа,
формирует имитацию торговли с использованием исторических
www. WorldQuantVRC.com.
данных в соответствии с параметрами
, введенными пользователем. Являясь автономной платформой,
WebSim хранит
исторические данные для моделирования наряду с
многочисленными предопределенными
математическими операторами, которые могут быть использованы
для альфа-генерации.
ЧАСТЬ V
Последнее слово
"
32
Семь привычек высоко
успешных людей
Ричард Ху и Чали Асаватиратам
Кванта иногда называют “специалистом по ракетостроению с

Уолл-стрит”,
фраза, которая вызывает в воображении образ человека умного,
хорошо образованного
и очень высокооплачиваемого. В типичном купить на стороне
количественных Инвест-
мент фирма, организация рабочего места является
коллегиальным
Но что нужно,ичтобы
профессиональный,
стать успешным и он
квантом? Мы
предлагает
сталкивались много возможностей
с этим, казалось бы, получить
простымновые
запросомзнания. Поэтому
нетрудно понять,
бесчисленное почему многие
количество раз, и ведущие выпускники
инженерных
нам и естественных
потребовалось более десятинауклет работы с сотнями запросов,
из лучших университетов мира хотят стать quants.
чтобы
ответить на него. Да, успешные кванты обладают высоким
интеллектом; обычно они
являются лучшими выпускниками таких количественных
дисциплин, как математика, инженерное дело
и информатика. Тем не менее,
Вот семь привычек мы заметили
успешных людей. некоторые
дополнительные черты, которые
характеризуют наиболее успешные кванты. Чтобы подтвердить
наши наблюдения,
1. УСЕРДНО РАБОТАЙТЕ, ДАЖЕ НЕ ОСОЗНАВАЯ ЭТОГО
мы провели опрос среди лучших специалистов нашей фирмы и
обобщили
Очень успешные кванты готовы приложить дополнительные
результаты. В знак уважения к книге Стивена Кови "7 привычек
усилия, необходимые
высокоэффективных
для максимизации своего потенциала. Если неудача - мать успеха,
людей
то Однажды
дополнительные
мы наняли чрезвычайно умного молодого человека из
усилия - отец. высшего уровня
университета
. Во время интервью он смог решить наши сложные
аналитические
вопросы с такой скоростью, что мы заподозрили, что он уже
ознакомился
Поиск альф: количественныйсподход к построению торговых стратегий, второе издание. Под
вопросы. Поскольку он так хорошо справлялся со всеми нашими

интервью, мы решили
составить для него совершенно новый набор очень сложных
вопросов; опять же,
он справился с ними молниеносно. Мы были рады, что нашли
такую жемчужину. Однако после того, как он пришел на борт, мы
обнаружили, что у него был
серьезный недостаток: он не усердствовал. Он устраивал
вечеринки по вечерам и
засиживался допоздна, затем поздно просыпался и бежал в офис в
10Затем
утра, когда
мы наняли людей, которые были умны, но не обязательно
другие
были работали бы уже два часа. Мы поговорили с
ним об этом. Какое-то время он набирал форму, но вскоре после
самыми умными, но они были одними из первых сотрудников,
этого
возвращался
которые приходили
к своимв старым привычкам и отставал, как спящий
заяц. утром
офис Он и уходили одними из последних – день за днем, месяц
такмесяцем
за и не стал
и лучшим.
год за годом. Такие люди медленно, но верно
Самое удивительное наблюдение заключается в том, что эти
опережали бы остальных, в конечном счете достигая уровня
лучшие исполнители обычно
наших лучших
даже не чувствуют, что они усердно работают; они просто
исполнителей.
получают удовольствие
от этого. Когда их спрашивают об их работе, они просто
улыбаются и говорят что-
“Это лучшая работа, которую кто-либо когда-либо мог иметь”.
то вроде:
“Не могу поверить, что мне за это платят”.
“Для меня это больше похоже на игру, чем на работу”.
Им нравится работать с математикой, кодом, данными и

финансами –
четырьмя ключевыми компонентами качественной работы. Им
нравится открывать для себя новые
результаты первыми, раньше всех на рынке. Они любят свою
работу и наслаждаются
каждой минутой. АМБИЦИОЗНЫЕ ДОЛГОСРОЧНЫЕ ЦЕЛИ,
2. УСТАНОВИТЕ
НО
ЕЖЕНЕДЕЛЬНЫЕ
ДОСТИЖИМЫЕ ЦЕЛИ
Успешный исследователь всегда работает с двумя видами целей:

одна
долгосрочная цель и один набор краткосрочных шагов.
Долгосрочные цели
могут быть высокими целями и должны представлять собой четко
определенные, ощутимые достижения
- например, достижение определенного уровня PnL, становление
экспертом по
определенному классу активов или становление менеджером
quants. Краткосрочные
Семь привычек высокоуспешных людей 267
цели обычно более специфичны для конкретной задачи,

например, написание определенного инструмента,
сценария или фрагмента анализа - как правило, задачи,
выполнение которых
Один из наших занимает
очень не более
успешных исследователей описывает свой
дня.
распорядок
следующим дня
образом:
“Каждый понедельник я начинаю неделю с того, что записываю

план того, чего я
хочу достичь на этой неделе. Затем, в конце недели, я
пересматриваю этот список
пункт за пунктом и добавляю то, что действительно было
Кванты, которые
достигнуто. Чтобыставят
это перед собой высокие долгосрочные
цели, но которые также могут ставить и
имело значение, я составляю этот еженедельный план так, как
преследовать краткосрочные цели, смогут сохранять
будто мне нужно отправить его нашему генеральному директору
сбалансированную перспективу
и в”.конечном итоге добиться успеха.
3. РАССТАВЛЯЙТЕ ПРИОРИТЕТЫ, ОСНОВЫВАЯСЬ НА
РИСКЕ И ВОЗНАГРАЖДЕНИИ
Исследователи количественных показателей подобны инвесторам,
которые делают инвестиции,
используя время, а не деньги. Учитывая разнообразие задач,
стоящих перед квантом,
как он или она должен расставлять в них приоритеты? Чтобы
ответить на этот вопрос, может быть
полезно оценить задачи на основе их предполагаемых рисков и
выгод.
Высокий Избегайте Разнообразить
Риск
Первый
Низкий Разнообразьте
приоритет
Низкий Кайф
Награда
Рисунок 32.1 Матрица "риск–вознаграждение"
Для каждой задачи квант должен оценить свой относительный

риск и вознаграждение
и поместить это в матрицу риск–вознаграждение, показанную на
рисунке 32.1. Это
поможет quant
• Задачи с низкимранжировать действия,
уровнем риска которые
и высокой необходимо
наградой
предпринять:
заслуживают
• того, чтобы
Задачи с высоким быть
риском первоочередными.
и высокой наградой должны
сочетаться с задачами с низким
задачи с вознаграждением какриском и низкой
форма диверсификации.
• Следует просто избегать заданий с высоким риском и низким
вознаграждением.
Кроме того, квант должен периодически обновлять свое
представление о
вероятных рисках и выгодах каждой инициативы и всегда быть
начеку в отношении
новых возможностей для добавления в матрицу.
4. ОСТАВАЙТЕСЬ ЛЮБОПЫТНЫМИ
Как однажды заметил один мудрый трейдер: “Вы хороши

настолько, насколько хороша ваша последняя
сделка”. Успешный трейдер никогда не должен быть
самодовольным, вместо этого
он всегда должен стремиться экспериментировать с новыми
идеями. Кванты
никогда не должны замыкаться в своей зоне комфорта по
нескольким причинам. Во-первых, все альфа-версии
имеют конечный и непредсказуемый срок годности; вы никогда не
можете сказать,
Во-вторых, когда
всегда есть лучший способ что-то сделать. Успешный
предсказательная способность альфы упадет. Если кванты
квант
держать
постоянно инноват-
исследует новые и непохожие идеи, выходящие за
ков, их Альфы
рамки пути в конечном счете может устареть. Лучше всего
продолжать
наименьшего сопротивления. Ведущие исследователи постоянно
диверсифицировать
учатся; портфелькальфа-версий
они присоединяются полу- за счет новых наборов
данных, методов,
нарам, читают проектов
исследовательские журналы и участвуют в
или классовдискуссиях.
групповых активов. Они
ищут интересные
Успешные книги
кванты - этодля чтения илюбопытные
врожденно делятся самыми полезными
существа. Когда
из них со
они читают
своими товарищами
новостные поостанавливаются
статьи, они команде. В любойимомент времени
задаются их
вопросом:
списки дел
“Можно ли заполнены
превратить это в альфу?”
идеями дляслышат
Когда они реализации,
о новыхкоторым ониони
проектах, придают приоритетное
стремятся узнать, как
значение
они могут с помощью анализа соотношения риска и
вознаграждения,
внести свой вклад. Они постоянно ищут возможности для обмена
описанного выше.
идеями
с другими квантами, портфельными менеджерами и технологами.
Короче говоря, успешные
исследователи постоянно думают об альфах.
Семь привычек высокоуспешных квантов 269
5. ВЫПОЛНЯЙТЕ РАБОТУ С ДОБАВЛЕННОЙ

СТОИМОСТЬЮ
АВТОМАТИЗИРУЙТЕ,
- И АВТОМАТИЗИРУЙТЕ,
АВТОМАТИЗИРУЙТЕ
Успешные исследователи тратят свое время на те виды работы,

которые приносят наибольшую отдачу
. В идеале большую часть времени квант должен уделять
действительно
инновационной работе, такой как чтение о новых исследованиях,
создание инструментов
и разработка новых тестов качества. Любой тип рутинной работы
должен быть
автоматизирован. Кванты, как правило, требуют достаточных
навыков кодирования для реализации сценариев, экономящих
Раньше в WorldQuant на создание
время.
одной альфа-версии
Например, уходило в исследователя
работа квантового среднем три месяца.
часто Теперь,
благодаря
включает внашему
себя рядширокому спектруданных,
этапов: очистку средстввизуализацию
автоматизации,
наши кванты
данных, могут создавать в среднем одну новую альфа-версию
формулирование,
в день, используя
кодирование, существующие
моделирование, настройку параметров,
инструменты
статистическийи методы,
анализ и при
такэтом посвящая большую часть своего
далее.
человеческого времени
Почти все эти этапы могут быть автоматизированы, за
разработке
исключением,
6. ВНОСИТЕ новых направлений
возможно,
РАЗУМНЫЕ исследований
формулирования
ИЗМЕНЕНИЯ с более высоким
И ОСТЕРЕГАЙТЕСЬ
соотношением
и кодирования риска
ПЕРЕОСНАЩЕНИЯ и вознаграждения.
основной идеи.
Переобучение - одна из самых распространенных ошибок как
новичков, так и
ветеранов квантов. Переобучение происходит, когда кто-то
слишком старается заставить
модель хорошо работать по сравнению с историческими данными
в ущерб ее надежности
в неизвестных будущих условиях. Существует несколько способов,
с помощью которых
квант может переобучиться. Например, в попытке заставить
модель работать
хорошо, исследователь может ввести дополнительные параметры
или продолжать “крутить
ручки”, чтобы максимизировать историческую
производительность. Риск чрезмерной
подгонки выше, когда модель имеет меньше доступных точек
данных, как это
Как вы избегаете переобучения? Хотя простого
имеет место в случае с более низкочастотными данными или
ответа не существует, успешные кванты, как правило, следуют
классами
несколькимактивов,
золотымв которых
правилам.относительно
Первый
мало инструментов, таких как валюты. Иногда переоснащение
может подкрасться
к модели незаметно для исследователя. Одной из ключевых
отличительных
характеристик опытного специалиста от новичка является
способность определить, когда модель достигла “наилучшего
результата” - точки, в
которой достигается идеальный баланс между оптимизацией
и переоснащением. обозначений
всегда вносите разумные изменения в свою модель; избегайте

простой подгонки
модели к данным. Прежде чем вносить изменения в модель,
всегда спрашивайте,
имеет ли изменение экономическую подоплеку, обоснование или
какое-либо
разумное обоснование того, что оно улучшит модель. Во-вторых,
хорошей практикой является не использовать часть данных для
тестирования вне выборки
. Соответствующий объем данных, который следует исключить,
зависит от различных
факторов,
Еще однатаких как ожидаемый
хорошая диапазон
привычка для оценкиволатильности,
того, имеет ли смысл
предлагаемое изменение
базовых инструментов
, - это разработать и стабильность
набор показателей.
тестов надежности. Это
Как меняется
деликатный компромисс,
производительность который
модели квант должен
при настройке тщательно
параметров? Работает
сбалансировать;
ли модель хотя оставление
слишком
одинаковомалого количества
на большей части данных может
юниверса привести к
или прибыль
переоснащению, упущение слишком большого количества может
сосредоточена
привести к недооснащению
всего на нескольких модели. Как быстро модель
инструментах?
разрушается с течением времени?
Эти
7. и другие подобные
ФОРМИРУЙТЕ тесты помогают успешному
СИНЕРГЕТИЧЕСКИЕ КОМАНДЫ quant
обнаруживать и
избегать переоснащения.
Редко можно встретить очень успешного специалиста, который не
работает
в составе сплоченной команды. Хотя большинство людей
понимают преимущества
командной работы в целом, она предлагает несколько конкретных
преимуществ для квантов.
Во-первых, наличие хорошей команды отлично подходит для
инкубации идей. Лучшие идеи
часто не рождаются мгновенно в чьей-то голове; скорее, они, как
правило,
Кроме того, хорошая команда quant помогает распределить
рабочую нагрузку.
возникают как смутная
Это интуиция в голове члена команды. При
хорошей
может быть особенно эффективно, когда речь идет о создании
командной динамике
инструментов, экономящих время,
команда
для автоматизации
может описать
процесса
идею,исследования.
обсудить ее и Командная
развивать до
работа
тех пор,
пока она
также может
не выкристаллизовается
позволить членам quant и неразнообразить
превратится в свои
набор
И последнеезадач,
практических
исследования. – и это, пожалуй, наименее очевидная причина –
которые
наличие
повышают
Поскольку хорошей
ценность.
каждый исследовательский проект предлагает
команды
различный побуждает кванта мечтать
профиль рисков о больших, формирование
и вознаграждений, амбициозных
проектах. Кванты
команд является эффективным способом
,оптимизации
которые работают в одиночку,
для получения в конечном
наилучшего итоге будут
результата.
ограничены тем, что они могут сделать
Семь навыков высокоуспешных квантов 271
в разумные сроки. В результате они вряд ли

возьмутся за крупные долгосрочные проекты, опасаясь отстать от
своих
коллег до того,
Это лишь как проект
некоторые принесет
из важных плоды.
общих привычек успе-
успешным кванты – но они не должны быть единственными
способами, чтобы процветать. Просто
вспомни старую поговорку: “Стреляй в Луну. Если промахнешься,
приземлишься
среди звезд”.
Список литературы
ЖУРНАЛЬНЫЕ СТАТЬИ (ПЕЧАТНЫЕ)
Абарбанелл Дж. и Буши Б. (1997) “Фундаментальный анализ,

будущие доходы
и цены на акции”. Журнал бухгалтерских исследований 35, № 1: 1-
Амихуд Ю. (2002) “Неликвидность и доходность акций: эффекты
24.
поперечного сечения и
временных рядов”. Журнал финансовых рынков 5, № 1: 31-56.
Амихуд Ю. и Мендельсон Х. (1986) “Ценообразование активов и
спред ”Спрос-предложение"". Журнал финансовой экономики 17:
223-249.
Бейли Д., Борвейн Дж., Лопес де Прадо М. и Чжу К. (2014a)
“Псевдоматематика и финансовое шарлатанство: влияние
переобучения при тестировании на производительность вне
выборки”. Уведомления 61, № 5: 458-471.
Американского математического общества
Банц Р. (1981) “Взаимосвязь между доходностью и рыночной
стоимостью
обыкновенных акций”. Журнал финансовой экономики 9, № 1: 3-8.
Барберис Н., Шлейфер А. и Вишни Р. (1998) “Модель
настроений инвесторов”. Журнал финансовой экономики 49, № 3:
307-343.
Баррозу П. и Санта-Клара П. (2015) “Импульс имеет свои
моменты”. 116, № 1: 111-120.
Журнал финансовой экономики
Бартов Э. и Моханрам П. (2004) “Частная информация,
манипуляции с доходами
и упражнения руководителей с опционами на акции”.
79, № 4: 889-920.
Обзорбухгалтерского
учета
274 Ссылки
Басу С. (1983) “Взаимосвязь между доходностью прибыли,

рыночной
стоимостью и доходностью
12, №обыкновенных
1: 129-156. акций NYSE:
дополнительные доказательства”. Журнал
FinancialЮ.
Бенгио, Economics
(2009) “Изучение глубоких архитектур для
искусственного интеллекта”. Основы
2, № 1: 1-127.
и тенденции в машинном обучении
Берцимас Д., Лотаре Г. и Самаров А. (2004) “Дефицит как
мера риска: свойства, оптимизация и приложения”. Журнал
экономической динамики и 28, контроля
№ 7: 1353-1381.
Блэк Ф. (1975) “Факт и фантазия при использовании опционов”.

Журнал для финансовых
31, № 4: 36-72.
Боллен Дж., Мао Х. и Цзэн Х. (2011) “Настроение в Twitter
предсказывает
фондовый рынок”. Журнал вычислительной науки 2, № 1: 1-8.
Боллен Н. и Уэйли Р. (2004) “Влияет ли чистое давление
покупателей
на форму функций подразумеваемой волатильности?” Финансовый
журнал 59,
№ 2: 711-753.
Брейман Л. (2001) “Случайные леса”. Машинное обучение 45,
№ 1: 5-32.
Берджес, С. (1998) “Учебное пособие по машинам опорных

векторов для
распознавания образов”. Интеллектуальный анализ данных и
Баттеруорт С. знаний
(1930) “О
2, №
теории
2: 121-167.
фильтрующих усилителей”.
Экспериментальная беспроводная связь и инженер-радиотехник
7: 17–20.
.
Чан К., Хамид А. и Тонг У. (2000) “Прибыльность мгновенных
стратегий на международных фондовых рынках”. Журнал
финансового 35, № 2: 153-172.
и количественного анализа
Чан Л., Джегадиш Н. и Лаконишок Дж. (1996) “Стратегии
импульса
”. Финансовый журнал 51: 1681-1713.
Чан Л., Лаконишок Дж. и Сугианнис Т. (2001) “Рыночная
оценка затрат на исследования и разработки”. Финансовый
журнал56, № 6: 1681.
Список литературы 275
Чанг С., Чанг Л. и Ван Ф. (2014) “Динамическое внутридневное

измерение вероятности обоснованной торговли и
вариации доходности для конкретной фирмы”.
Журнал эмпирических финансов 29: 80-94.
Клэр А., Ситон Дж., Смит П. и Томас С. (2013) “Взлом
черного ящика: отслеживание тренда, стоп–лоссы и частота
торговли -
пример S & P 500”. Журнал управления активами 14, № 3: 182-
194.
Кортес С. и Вапник В. (1995) “Сети с опорными векторами”.
Машинное20, № 3: 273-297.
обучение
Корвин С. и Шульц П. (2012) “Простой способ оценить спреды Bid-
Ask
по дневным максимумам и минимумам цен”. Финансовый журнал
67,
№ 2: 719-760.
Кремерс М. и Вейнбаум Д. (2010) “Отклонения от паритета "Пут-
колл"
и предсказуемости доходности акций”. Журнал финансового и
45, № 2: 335-367.
количественного
анализа
Дэниел К., Хиршлейфер Х. и Субраманьям А. (1998) “Теория
чрезмерной уверенности, самопризнания и недостаточной и
чрезмерной реакции рынка ценных бумаг”. Финансовый журнал
53: 1839-1885.
Дэниел К. и Титман С. (1999) “Эффективность рынка в
иррациональном
мире”. Журнал финансовых аналитиков 55, № 6: 28-40.
Исли Д., Хвидкьер С. и О'Хара М. (2002) “Является ли
информационный
риск фактором, определяющим доходность активов?” Финансовый
журнал 57, № 5:
2185-2221.
Исли Д., Лопес де Прадо М. и О'Хара М. (2011) “Микро-
структура "внезапного краха": токсичность потока, сбои
ликвидности и
вероятность обоснованной торговли”. Журнал управления
портфелем ценных бумаг 37,
№ 2: 118-128.
Фама Э. и Френч К. (1992) “Поперечный срез ожидаемой
доходности акций
”. Финансовый журнал 47, № 2: 427-466.
Фама Э. и Френч К. (1993) “Общие факторы риска в доходности
акций и облигаций”. Журнал финансовой экономики 33, № 1: 3-56.
276 Ссылок
Фама Э. и Френч К. (2015) “Пятифакторная модель

ценообразования активов”.116, № 1: 1-22.
Фергюсон Н., Филип Д., Лам Х. и Го Дж. (2015) “Медиа-
палатка и доходность акций: Предсказывающая сила прессы”.
Многонациональный
19, № 1: 1-31.
финансовый журнал
Фрэнсис Дж., Шиппер К. и Винсент Л. (2002) “Объявления о
доходах
и конкурирующая информация”. Журнал бухгалтерского учета и
33, № 3: 313-342.
номики
Франкель Р., Котари С. и Вебер Дж. (2006) “Детерминанты
информативности аналитических исследований”. Журнал
бухгалтерского учета и
41, № 1: 29-54.
номики
Фрейнд, Ю. и Шапир, Р. (1997) “Теоретико-решающее обобщение
онлайн-обучения и его применение для повышения
эффективности”. 55, № 1: 119-139.
Журнал
компьютерных
Фрейнд и системных
Ю. и Шапир Р. (1999) наук
“Краткое введение в бустинг-
редактирование”. Журнал Японского общества искусственного
интеллекта
№ 5: 771-781. 14,
Гарлеану, Н. и Педерсен, Л. (2016) “Динамичный выбор портфеля

с
трудностями”. Журнал экономической теории 165: 487-516.
Глостен Л. и Милгром П. (1985) “Цены предложения, спроса и
сделки на
Специализированном 14,рынке
№ 1: 71-100.
с разнородно информированными
трейдерами”. Журнал
Гранди Б. и Мартин
финансовой Дж. (2001) “Понимание природы
экономики
рисков и источника выгод от импульсного инвестирования”. Обзор
финансовых исследований
14, № 1: 29-78.
Хафез П. и Се Дж. (2016) “Бета-версия новостей: учет риска

настроений в
квантовых моделях”. Журнал инвестирования 25, № 3: 88-104.
Гастингс К., Мостеллер Ф., Тьюки Дж. и Уинзор К. (1947) “Низкие
моменты для небольших выборок: сравнительное исследование
статистики порядка”. 18, № 3: 413-426.
Анналы математической статистики
Хинтон Г. (2007) “Изучение множественных уровней

репрезентации”. 11, № 10: 428-434.
Тенденции в когнитивных науках
Хиршлейфер Д. и Шамуэй Т. (2003) “Добрый солнечный день:
доходность акций и погода”. Финансовый журнал 58, № 3: 1009-
1032.
Хонг Х., Лим Т. и Стейн Дж. (2000) “Плохие новости
распространяются медленно:
размер, охват аналитиков и прибыльность стратегий импульса”.
55, № 1: 265-295.
Финансовый журнал
Хонг Х. и Стейн Дж. (1999) “Объединенная теория недостаточной
реакции,
импульсной
54, № торговли и чрезмерной реакции на рынках активов”.
6: 2143-2184.
Финансовый
журнал
Хубер П. (1964) “Надежная оценка параметра местоположения”.
Анналы 35, № 1: 73-101.
математической статистики
Хаш Д. и Сковел С. (2001) “Об измерении VC классификаторов с
ограниченными
полями”. Машинное обучение 45, № 1: 33-44.
Джейн П. и Джох Г. (1988) “Зависимость между почасовыми
ценами
и объемом торгов”. Журнал финансового и количественного
анализа
23, № 3: 269-283.
Джегадиш Н. и Титман С. (1993) “Возвращение к покупке
победителей и
продаже48,проигравших:
№ 1: 65-91. последствия для эффективности фондового
рынка”. Финансовый
журнал
Джегадиш Н. и Титман С. (2001) “Прибыльность импульсных
стратегий: оценка альтернативных объяснений”.
Финансовый журнал
56, № 2: 699-720.
Джегадиш, Н. и Титман, С. (2011) “Импульс”. Ежегодный обзор
финансовой экономики
3: 493–509.
Дженсен М. (1967) “Эффективность взаимных фондов в период

1945-1964”. Финансовый журнал 23, № 2: 389-416.
Jin, W., Livnat, J. и Zhang, Y. (2012) “Цены на опционы опережают

цены на акции
: есть ли у опционных50, №трейдеров информационное преимущество?”
2: 401-432.
Журнал
бухгалтерских исследований
278 Ссылок
Юнг М., Вонг М. и Чжан Ф. (2015) “Интерес аналитиков как
ранний
индикатор 90,фундаментальных
№ 3: 1049-1078. изменений фирмы и доходности
акций”. Обзор
бухгалтерского
Козак С., Нагельучета
С. и Сантош С. (2018) “Интерпретация
факторных моделей”.
els. Финансовый журнал 73, № 3: 1183-1223.
Куремото Т., Кимура С., Кобаяси К. и Обаяси М. (2014)
“Прогнозирование временных рядов с использованием сети
глубоких убеждений с ограниченными
машинами Больцмана”. Нейрокомпьютинг 137: 47-56.
Лекун Ю., Кавуккуоглу К. и Фарабет С. (2010) “Сверточные
сети и приложения в Vision”. Материалы Международного
национального симпозиума IEEE по схемам и системам 2010 года
: 253–256.
Ледуа О. и Вольф М. (2004) “Дорогая, я сократил выборку

ковариационной
матрицы”. Журнал управления портфелем 30, № 4: 110-119.
Ли К. и Сваминатан Б. (2000) “Динамика цен и
объем торгов”. Финансовый журнал 55, № 5: 2017-2069.
Лесмонд Д., Шилль М. и Чжоу С. (2004) “Иллюзорная природа

импульсной прибыли”.
Журнал
№ финансовой экономики 71,
2: 349-380.
Ли Х., Миффре Дж., Брукс К. и О'Салливан Н. (2008) “Импульсная

прибыль и изменяющийся во времени бессистемный риск”.
Журнал банковского
32, дела и
№ 4: 541-558.
финансов
Лин Х. и МаКниколс М. (1998) “Отношения с андеррайтингом,
прогнозы доходов аналитиков и рекомендации по инвестициям”.
Журнал 25, № 1: 101-127.
бухгалтерского учета и экономики
Линтнер Дж. (1965) “Оценка рискованных активов и выбор
рискованных инвестиций в портфели акций и бюджеты капитала”.
Обзор 47, № 1: 13-37.
экономики и статистики
Ло А. (2004) “Гипотеза адаптивных рынков: эффективность рынка
с эволюционной точки зрения”. Журнал портфельного
управления
30, № 5: 15-29.
Марковиц, Х. (1952) “Выбор портфолио”. Финансовый журнал 7,

№ 1: 77-91.
Макконнелл Дж., Сибли С. и Сюй У. (2015) “Показатели цен на

акции
дочерних компаний, их материнских компаний и выделенного
ETF,
2001-2013”.
Макиниш Т. Журнал
и Вуд Р. портфельного
(1992) “Анализуправления
внутридневных
42, №моделей
1: 143-152.
спредов спроса / предложения по акциям NYSE”. Финансовый
журнал
№ 47,
2: 753-764.
Майкли Р. и Вомак К. (1999) “Конфликт интересов и

надежность рекомендаций аналитиков-страховщиков”. Обзор
финансовых
12, № 4: 653-686.
Московиц Т. и Гринблатт М. (1999) “Объясняют ли отрасли
мгновенный
рост?” Финансовый журнал 54, № 4: 1249-1290.
Моссин Дж. (1966) “Равновесие на рынке капитальных активов”.
Эконометрика
34, № 4: 768-783.
Ниссим Д. и Пенман С. (2003) “Анализ

кредитного плеча в финансовой отчетности и то, как оно
информирует о прибыльности и соотношении цены к балансу
”. Обзор исследований
Нови-Маркс по М.
Р. и Великов бухгалтерскому учетуаномалий
(2015) “Таксономия 8, № 4: 531-560.
и
их торговые издержки”. Обзор финансовых исследований 29, № 1:
104-147.
Офек Э., Ричардсон М. и Уайтлоу Р. (2004) “Ограниченный
арбитраж
и ограничения на короткие продажи:
74, данные с рынков опционов”.
№ 2: 305-342.
Ормос М. и Тимоти Д. (2016a) “Микроструктура рынка во время
финансового кризиса: динамика торговли, основанной на
информации и эвристике”.
19: 60–66.
Письма о финансовых исследованиях
Пастор Л. и Стамбо Р. (2003) “Риск ликвидности и ожидаемая
доходность акций”. Журнал политической экономии 111, № 3: 642-
685.
Пирсон К. (1895) “Заметки о регрессии и наследовании в случае
двух родителей”. Труды Лондонского королевского общества 58:
240-242.
280 Ссылок
Педерсен Л. (2009) “Когда все бегут к выходу”. Международный

журнал центральной 5,банковской
№ 4: 177-199.
системы
Пиотроски, Дж. (2000) “Стоимостное инвестирование:

использование исторической финансовой
информации для отделения победителей от проигравших”.
38: 1–41.
Журнал бухгалтерских
Рабинер Л. (1989) “Учебное пособие по скрытым марковским
моделям и избранным
приложениям для распознавания речи”. Материалы IEEE 77,
№ 2: 257-286.
Роджерс Дж. и Найсвандер У.А. (1988) “Тринадцать способов
взглянуть на
коэффициент корреляции”. Американский статистик 42, № 1: 59-
Розенберг Б., Рейд К. и Ланштейн Р. (1985) “Убедительные
66.
доказательства
неэффективности рынка”. Журнал портфельного управления 11,
№ 3: 9-17.
Росс С. (1976) “Арбитражная теория ценообразования
капитальных активов”.
13, №
Журнал-
3: 341-360.
финал экономической теории
Рувенхорст К. (1998) “Международные стратегии импульса”.
53, №журнал
1: 267-284.
Шорфхайде Ф. и Вольпин К. (2012) “Об использовании

несогласованных выборок
для выбора модели”. American Economic Review 102, № 3: 477-481.
Селесник И. и Беррус С. (1998) “Обобщенная конструкция
цифрового фильтра Баттерворта
”. Транзакции IEEE по обработке сигналов 46, № 6: 1688-1694.
Шарп, У. (1964) “Цены на капитальные активы: теория рыночного
равновесия в условиях риска”.
Финансовый журнал 19, № 3: 425-442............, 2009...........,
2008...........,
Сигел Л., Кронер2007.К. и Клиффорд С. (2001) “Величайшая история
возвращения, когда-либо рассказанная”.
Журнал инвестирования 10, № 2: 91-102.
Слоан Р. (1996) “Полностью ли цены акций отражают информацию
о будущих доходах при начислениях и денежных потоках?”.
Обзор бухгалтерского учета 71,
№ 3: 289-315.
Спирмен, К. (1904) “Доказательство и измерение ассоциации
между двумя вещами”. Американский журнал психологии 100, №
3-4:
441-471.
Шпренгер Т., Тумасян А., Санднер П. и Уэлп И. (2014) “Твиты

и сделки: информационное наполнение биржевых микроблогов”.
Европейский 20, № 5: 926-957.
финансовый менеджмент
Вапник В. (1999) “Обзор теории статистического обучения”.
Транзакции IEEE 10, № 5: 988-999.
в нейронных сетях
Вуд Р., Макиниш Т. и Орд Дж. (1985) “Исследование данных о
транзакциях с акциями NYSE”. Акции на Нью-Йоркской фондовой
бирже.". -
Xing, Y., Zhang,
журнал
X. и Zhao,
40, №R.3:(2010)
723-739.
“Что ухмылка волатильности
отдельного опциона
говорит нам о будущей доходности 45, № акций?” Журнал
3: 335-367.
финансового и количественного анализа
Ян Ю. и Чжан С. (2012) “Улучшенный метод оценки и
эмпирические свойства вероятности обоснованной торговли”.
Журнал 36, № 2: 454-467.
банковского дела и финансов
Заде Л. (1996) “Нечеткая логика = вычисления с помощью слов”,
IEEE Trans- 4, № 2: 103-111.
действия в нечетких системах
Чжан Х. (2006) “Неопределенность информации и доходность
акций”. Журнал 61, № 1: 105-137.
"Финал финансов"
Zou, H., Hastie, T. и Тибширани, Р. (2006) “Анализ разреженных
основных компонентов”.
Журнал вычислительной и графической статистики 15,№ 2: 265-
286.
............. "Анализ разреженных основных компонентов".
ЖУРНАЛЬНЫЕ СТАТЬИ (ЭЛЕКТРОННЫЕ/ОНЛАЙН)
Бейли Д., Борвейн Дж., Лопес де Прадо М. и Чжу К. (2014b) “

Вероятность переобучения при тестировании на заднем плане”.
https://papers.ssrn.com/sol3 /
Papers.cfm?abstract_id=2326253
Бодан П. (2013) “Отличаю хорошее от плохого и уродливого:
как оценить проверенные инвестиционные стратегии”.
http://ssrn.com /
аннотация=2346600
Бочкай К., Чава С. и Хейлс Дж. (2016) “Гипербола или реальность?
Реакция инвесторов на экстремальные формулировки в
телефонных конференциях по доходам”.
https://ssrn.com/abstract=2781784
282 Ссылки
Будух Дж., Фельдман Р., Коган С. и Ричардсон М. (2016)

“Информация, торговля и волатильность: данные из
новостей конкретной фирмы”. https://ssrn.com/abstract=2193667
Бернс П. (2006) “Случайные портфели для оценки торговых

стратегий”.
http://ssrn.com/abstract=881735
Чан У. (2001) “Реакция цен на акции на новости и отсутствие
новостей: дрейф
и разворот после заголовков”. https://ssrn.com/abstract=262452
Чен С., Холландер С. и Лоу К. (2016) “В поисках взаимодействия”.
Друзь М., Вагнер А. и Цекхаузер Р. (2016) “Чтение

управленческого
тона: как аналитики и рынок реагируют на телефонные
конференции”,
Исследовательский документ Швейцарского финансового
института
Dzieli № 16-004.
ски М. https://ideas.repec
и Хасселтофт .
Х. (2017) “Разброс новостного тона и
org/p/ecl/harjfk/16-
разногласия инвесторов”.
004.html
Фодор А., Кригер К. и Доран Дж. (2010) “Предвещают ли

изменения в опционе с открытой процентной ставкой будущую
доходность акций?”
http://ssrn.com /
abstract=1634065
FTSE Рассел. (2017) “Пересмотр последствий восстановления
Russell 2000”.
http://www.ftserussell.com/sites/default/files/research/russell_2000_
reconstitution_effects_revisited_final.pdf
Грей У. (2015) “Инвестирование в импульс: почему сезонность
Имеет значение для импульса?” Alpha Architect, 30 ноября 2015.
https://alphaarchitect.com/2015/11/30/momentum - сезонность/
Гюлен Х. и Хван Б. (2012) “Ежедневные колебания фондового

рынка и
реакция инвесторов на новости конкретной фирмы”.
Харви К., Лю Ю. и Чжу К. (2014) “... и поперечный срез
ожидаемых доходов”. http://ssrn.com/abstract=2249314
Джонсон Т. и Со, Э. (2011) “Соотношение объема опциона к

объему акций и будущая
доходность”. https://papers.ssrn.com/sol3/papers.cfm?
abstract_id=1624062
Список использованной литературы 283
Карабулут, Ю. (2013) “Может ли Facebook предсказать активность

на фондовом рынке?”
Хандани А. и Ло А. (2007) “Что случилось с Квантами в
августе 2007 года?” https://papers.ssrn.com/sol3/papers.cfm?
abstract_
id=1015987
Лагадек П. (2009) “Decalage: мини-учебник по Python”. http://www
.
decalage.info/files/mini_python_tutorial_0.03.pdf
Ларраби, Д. (2014) “Небольшой опыт работы в отрасли может
сделать вас
лучшим аналитиком”. Институт CFA.
http://blogs.cfainstitute.org/inves -
tor/2014/02/18/ карьера- имеет-значение- предшествующий-
отраслевой-опыт-
Лопес де Прадо, М.повышает - что обратить внимание при
(2013) “На
шансы-на-успех-для-аналитиков-с-Уолл-стрит
обратном тестировании”. https://
papers.ssrn.com/sol3/papers.cfm?abstract_id=2308682
Мэтлофф Н. (2011) “Быстрый путь к Python”. Калифорнийский
университет в Дэвисе.
http://heather.cs.ucdavis.edu/matloff/Python/PLN/FastLanePython.pdf
Меуччи А. (2010) “Управление диверсификацией”. Статья
Bloomberg по вопросам образования,
количественных исследований и просветительской деятельности.
https://ssrn.com /
abstract=1358533
Моханрам П. (2004) “Отделение победителей от проигравших
среди акций с низкой
доходностью к рынку с использованием анализа финансовой
отчетности”. http://
Ормос М. и Тимоти Д. (2016b) “Микрооснования
ssrn.com/abstract=403180
гетеросексуальной
пластичности в ценах активов: объяснение асимметричных
метрических моделей GARCH, основанное на неприятии потерь”.
Прейс Т., Моут Х. и Стэнли Х. (2013) “Количественная оценка
торгового поведения на финансовых рынках с использованием
Google Trends”........... "Google Trends"........
http://www.nature
Ролл Р., Шварц Э. и Субраманьям А. (2009) “O / S:
com/srep/2013/130425/srep01684/full/srep01684.html
Относительная торговая активность по опционам и акциям”.
http://ssrn.com
284 Ссылки
Щербина А. и Шлюше Б. (1915) “Межфирменные информационные

потоки и предсказуемость доходности акций”. https://ssrn.com /
Шленс, Дж. (2014) “Учебное пособие по анализу главных

компонент”. https://
arxiv.org/abs/1404.1100
Слоан Р., Химич Н. и Дечоу П. (2011) “Точная аномалия”.
http://ssrn.com/abstract=1793364
Шпренгер Т. и Уэлп И. (2011) “Новости или шум?

Реакция фондового рынка на различные типы новостных событий,
связанных с конкретной компанией”.
Страутс Т. “В поисках альфы: импульсное инвестирование в ETF”.
В , 18 апреля 2013 г. https://seekingalpha.com/article/1350651
-поисках альфы
в поисках- альфа-импульса- инвестирования- в-etf
Книги
Антоначчи Г. (2014) Инвестирование с двойным импульсом:

инновационная стратегия для получения
. Книжная более высокой
компания "Макгроу-
доходности при меньшем риске Хилл".
.
Дауни, А. (2012) Думай на Python. http://www.greenteapress.com /
thinkpython
Эдвардс, У. (1968) “Консерватизм в обработке информации

человеком”. (Бенджамин Кляйнмунц,
Формальное
ред.). Уайли. представление человеческого суждения
Фуко Ф., Пагано М. и Реелл А. (2013) Рыночная ликвидность:

теория, . Издательство Оксфордского университета.
доказательства и политика
Грэм Б. и Додд Д. (2009) Анализ безопасности: принципы и
методы (Шестое издание). Книжная компания "Макгроу-Хилл".
Гринольд Р. и Кан Р. (1999) Активное управление портфелем

ценных бумаг: количественный .
подход для
Книжная получения
компания превосходной доходности и контроля
"Макгроу-Хилл".
риска
для инвестора выбросов
Хубер П. и Ронкетти Э. (2009) Надежная статистика (2-е

издание). Уайли.
Халл, Дж. (2008) Опционы, фьючерсы и другие производные.
Пирсон
Прентис Холл.
Канеман Д. (2011) Мышление, быстрое и медленное. Фаррар,
Страус
и Жиру.
Лефевр Э. (2006) Воспоминания биржевого спекулянта. Уайли.
Маронна Р., Мартин Д. и Йохай В. (2006) Надежная статистика:

теория . Уайли.
и методы
Мерц, Д. (2006) Обработка текста на Python. Эддисон Уэсли.
Также
доступно
Николас, в программном
Дж.Дж. обеспечении
(2004) Хедж-фонд Gnosis: http://gnosis.cx/TPiP
инвестирования средств:
руководство
. Bloomberg Press.
Поппер К. (1959) Логика научного открытия. Хатчинсон.
Руссью, П. и Лерой, А. (1987) Надежная регрессия и

. Уайли.
Swaroop, C. (2014) Один байт Python. http://www.swaroopch.com /

примечания/python
НЕОПУБЛИКОВАННЫЕ РУКОПИСИ / СЕРИЯ РАБОЧИХ

ДОКУМЕНТОВ
Бениш М. и Николс Д. (2009) “Выявление переоцененного
капитала”.
Серия исследовательских работ школы Джонсона № 09-09.
http://ssrn.com
Будух Дж., Фельдман Р., Коган С. и Ричардсон М. (2013)
“Какие новости влияют на цены акций? Текстуальный анализ”.
Рабочий документ Национального
бюро экономических исследований № 18725. https://www .
nber.org/papers/w18725
....Брэдшоу, М., Хаттон, А. Маркус, А., Tehranian, Н. (2010) “в
OPAC-
ность, риск аварии, и возможность ухмылка кривая.” Рабочий
документ. Бостонский
колледж. http://ssrn.com/abstract=1640733
286 Ссылок
Чан К., Чан Л., Джегадиш Н. и Лаконишок Дж. (2001) “

Качество прибыли и доходность акций”. Рабочий документ NBER
№ 8308. https://
www.nber.org/papers/w8308
Фраццини А. и Ламонт О. (2007) “Предварительная
сумма объявления о доходах и объем торгов”. Рабочий документ
Национального бюро экономических исследований
№ 13090. https://www.nber.org/papers/w13090
Гарлеану Н., Педерсен Л. и Потешман А. (2009) “
Ценообразование опционов на основе спроса”. Документ о
московских встречах EFA 2005. http://ssrn.com
Камстра М., Крамер Л. и Леви М. (2002) “Зимняя хандра:
печальный
цикл фондового рынка”. Рабочий документ Федерального
резервного банка Атланты
№ 2002-13a; Рабочий документ Школы бизнеса Саудера. http://ssrn
.
Луо Х., Чжан Дж. и Дуань У. (2013) “Социальные медиа и
com/abstract=208622
ценность акционерного капитала фирмы”. Исследовательская
статья Школы бизнеса Фокс № 14-016. https://ssrn .
com/abstract=2260316
Мор, М. (2005) “Фильтр по трендовому циклу (сезону)”. Серия
рабочих документов Европейского центрального
банка № 499. https://www.ecb.europa.eu/pub /
pdf/scpwps/ecbwp499.pdf
Трейнор Дж. (1962) “К теории рыночной стоимости рискованных
активов”.
Неопубликованная рукопись.
Ван Баскирк, А. (2011) “Перекос в волатильности, объявления о
доходах
и предсказуемость сбоев”. http://ssrn.com/abstract=1740513
ВЕБ-сайты
Bloomberg. www.bloomberg.com
Институт CFA. Журнал финансовых аналитиков.

www.cfapubs.org/loi/faj
Библиотека Корнельского университета. Материалам arXiv
https://arxiv.org
"Эльзевир". Журнал банковского дела и финансов.

www.journals.elsevier.com /
journal-of-banking-and-finance
Elsevier. Журнал корпоративных финансов.
журнал корпоративных финансов
Elsevier. Журнал эмпирических финансов.
journal-of-empirical-finance
Elsevier. Журнал финансового посредничества.
www.journals.elsevier .
com/ журнал финансового посредничества
Elsevier. Журнал финансовых рынков. www.journals.elsevier.com /
журнал финансовых рынков
Elsevier. Журнал международных денег и финансов. www.journals.

elsevier.com/journal - of-international-money- and-finance
Elsevier. Финансовый журнал Тихоокеанского бассейна.

финансовый журнал тихоокеанского бассейна
Погуглите финансы. www.google.com/finance
Google Scholar. https://scholar.google.com
Невероятные диаграммы. “Основы индикаторов: как использовать

технические индикаторы”.
http://www.incrediblecharts.com/indicators/indicators.php
Журналы по интеллектуальной собственности. Журнал по
управлению портфелем ценных бумаг.
http://jpm.iijournals.com
Инвестиционная энциклопедия. “Определение тенденций рынка”.
http://investopedia.com /
статьи/технические/03/060303.asp
JSTOR. Деловой журнал. https://www.jstor.org/journal/jbusiness
Кауфман П. (2016) “Учет сезонности с помощью товарных ETF”.

Kaufmansignals.com
Ли С. (2012) “Стратегии инвесторов в Morningstar ETF: порт-

фолио модели ETF”. www.morningstar.com
288 Ссылок
Morningstar. www.morningstar.com
NasdaqTrader. Статистика доли рынка опционов.

http://www.nasdaqtrader.com/trader.aspx?id=marketsharenom
Национальное бюро экономики Research.www.nber.org
Опытные разработчики. www.numpy.org
Пиард Ф. (2016) “3 лучших сезонных ETF”. https://seekingalpha .

com/article/4014414- 3- лучшие сезонные ETF
Пикардо Э. (2018) “7 лучших стратегий торговли ETF для
начинающих”.
www.investopedia.com
Пилгрим М. “Погружение в Python”. http://www.diveintopython.net
Переименователь. “Исходная документация”.

https://sourcesup.renater.fr /
проекты/scientific- py
SciPy. www.scipy.org
SciPy. “Справочник по NumPy”.

http://docs.scipy.org/doc/numpy/reference
SciPy. “Руководство пользователя NumPy”.
http://docs.scipy.org/doc/numpy/user
SciPy. “Статистические функции”.
http://docs.scipy.org/doc/scipy/reference/stats.html
Исследовательская сеть в области социальных наук.

https://ssrn.com/en /
Биржевые диаграммы. “Технические индикаторы и наложения”.
http://stockcharts .
com/school/doku.php?id=chart_school:technical_indicators
Время. “25 лучших финансовых блогов”.
http://content.time.com/time/specials/packages/completelist/0,29569,
2057116,00
Точка обучения. “Краткое руководство по Python”.

www.tutorialspoint.com/python /
python_quick_guide.htm
Вашингтонский университет. Финансовый и количественный

журнал
Анализ.http://depts.washington.edu/jfqa
Wall Street Journal

. www.wsj.com
Онлайн-библиотека Wiley. Финансовое обозрение.

http://onlinelibrary.wiley.com/
журнал/10.1111/(ISSN)1540- 6288
Онлайн-библиотека Wiley. Журнал финансовых исследований.
http://onlinelibrary.wiley.com/journal/10.1111/(ISSN)1475-6803
Онлайн-библиотека Wiley. Журнал фьючерсных рынков.

http://onlinelibrary.
wiley.com/journal/10.1002 /(ISSN)1096-9934
Уилмотт. www.wilmott.com
Мир Вольфрама. Треугольник Рело.

http://mathworld.wolfram.com/ReuleauxTriangle.html
Всемирный квантовый вызов.

https://websim.worldquantchallenge.com
Yahoo Finance. www.finance.yahoo.com
ПУБЛИЧНЫЕ ОТЧЕТЫ
Клиринговая корпорация Options. Годовой отчет за 2013 год.

https://www .
optionsclearing.com/components/docs/about/annual - отчеты/occ_
2013_annual_report.pdf
Комиссия по ценным бумагам и биржам. (2000), окончательный
вариант правил: Селец-
онных раскрытия и внутренней торговле. https://www.sec.gov/rules/
окончательный/33 - 7881.htm
Товарными фьючерсами США. Обязательства трейдеров.
https://www.cftc .
gov/marketreports/commitmentsoftraders/index.htm
неликвидности Amihud 210
Индекс
формула “3964” 72 статистический арбитраж 10-11
пошаговое построение 5, 41
академические круги, новостные эффекты
Отклонение
160 17-18, 20-21
аномалия начисления 96 значение 27-30
приобретения 196-199 пакетная статистика 117-118
AdaBoost 125 из факторов 148
адаптивный рынок WebSim 255-256, 260-261
гипотеза (AMH) 97 смотрите
дизайн;
также
оценка
ADV смотрите среднесуточныйальфа-пространства 83-88
объем торгов корреляция альфа-стоимости 66
алгоритмы AMH см. гипотезу адаптивного рынка
тестирование 69-76
создание 12-13 Анализ
сокращение потерь 17-21 финансовые отчеты 141-154
источники данных 25-26 полный текст 164
оценка 20-21, 28-29 частота фундаментальные 149-154
прогнозирования 27 новости 159-167
размышления в 127-132 новизна 161-162
альфа-горизонты 49-50 актуальность 162
корреляция альфа-пула 66 настроения 160-161
альф WebSim 258-260
основные принципы аналитические отчеты 179-193
основные концепции 3-6 доступ к 180-182
сокращение потерь 17-21 смещениям 190-191,
проектирование на основе данных
снижение
5 охвата 191-192,
определение 3 звонки о доходах 181, 187-188,
оценка 13, 20-21 оценки доходов 184-185,
наличие 11-12 сюрпризы по доходам 185-186,
выражений 4 связанные с
реализация 12-13 отраслью
знания 188-190
оценка качества 5 в средствах массовой информации
181-182, 192
бета-версии
292 Индекс
ценовые эффекты 190 оцифровка бэк-офиса 8

ценовых ориентиров 184 тестирование 13-14, 69-76
мыслительный процесс 186-187 автоматический поиск 116-117
использование 182-190 перекрестная проверка 75
годовые коэффициенты Шарпа 97,просадки 107
годовая доходность 35, важность 70-71
приближение к норме тестов вне выборки 74
распределение 91 переобучение 72-75
подходит для теории арбитражного ценообразования
отбор образцов 74-75
арбитраж моделирование 71-72
структура капитала 204-205, статистический арбитраж 69-70
привязанная к индексам 223-230,
WebSim 33-41
изменение баланса индексов 203-204,
отставание 248
слияния 196-199, балансовые отчеты 143
статистика 10-11, 69-70 полосовые фильтры 128
теория арбитражного ценообразования
пакетная статистика 117-118
(APT) 95, 157 поведенческая предвзятость 80-82
Асимметричность 125 поведенческая экономика 11-12, 46,
ATR см. средний истинный диапазон 138, 155-156, 171-172
автоматического поиска 111-120БУДЬ /Я смотри соотношение
капитала
обратное тестирование 116-117 к
в отношении
статистика партии 117-118 рыночного капитала см.Факторы
глубина 116 риска предвзятость 12, 19, 45, 77-82
диверсификация 118-119 отчеты аналитиков 190-192
эффективность 111-113 доступность 81
входные данные 113-114 поведенческий 80-82
промежуточные переменные 115подтверждение 80-81
ручная подготовка 119 консерватизм 155-156
шум. 113 анализ данных 79-80
оптимизация 112, 115-116 формулировка 80
масштаб 111-113 перспективный 72
пространства поиска 114-116 стадный 81-82, 190-191
чувствительность и значимость 119
положительный 190
безразмерные соотношения 113-114
отбор 117-118
автоматизация 269 системный 77-80
смещение доступности 81 компромисс между отклонениями
среднесуточный объем торгов разброс цен 208-212
129-130
(ADV) 239 большие данные 46-47, 79-80
средний истинный диапазон (ATR)классификация
136 новостей 163
предотвращение переоснащения ожидаемость 164
74–75, 269–270 полнотекстовый анализ 164
оси трехосного плана 85-86 анализ новостей 159-166
снижение покрытия
Индекс 293
анализ новизны 161-162 склонность к консерватизму 155-156

анализ релевантности 162 строительство
анализ настроений 160-161 пошаговая инструкция 5
социальные сети 165-166 смотрите
проектирование
также
конвертируйте собственный капитал
контанго
в рыночный
247-248
(БУДЬ/Я) 96, 97-99 контроль текучести кадров 53-55,
начальная загрузка 107 59-60
бизнес-цикл 196 сверточные нейронные сети
Фильтры Баттерворта 128 (CNNs) 125-126
корпоративное управление 146
C ++ 12 взаимосвязь 28-29, 61-68
калибровка 12, 13-14 альфа-значения 66
расшифровки вызовов 181, 187-188распределения плотности 67
емкость биржевых торгов обобщенные 64-66
фонды 234-235 макроэкономические 153
модель ценообразования на основные
Коэффициенты
средства Пирсона 62-64, 90
(CAPM) 10, 95 пулы 66
привлечение капитала 227-228 прибыли и убытки 61-62
арбитраж структуры капитала 204-205
ранг Спирмена 90,
CAPM см. капитальный актив основанный на времени 63-64, 65
модель ценообразования затраты
carry trade 248 на перенос 247-248
сокращения 200-202 биржевых фондов, 232
отчеты о движении денежных средств
выхода
144-145,
19, 21
150-152 сделок 50-52
категоризация новостей 163 Отчет COT смотрите Обязательства
проблемы прижигания 121 Отчет трейдеров
CDSS см. Проблемы с кредитнымиковариация
дефолтными
62 свопами
, торгуемые на бирже смотрите
также
фонды 239-240 на 191-192
“инвестирование в окурок сигары”
по 202-203
кредитно-дефолтным свопам
зажим 54 (CDSs) 204-205
проблемы классификации 121 перекрестный эффект 52-53
CNNs см. сверточные перекрестная проверка 75
нейронные сети CRSP Общий рынок США
Обязательства трейдеров (COT) Индекс 226-227
отчет 244-245 любопытство 268
завершение слияний 199 форварды валют 241-249
внедрение компьютеров 7-9 контрольный список 243-244
смещение подтверждения 80-81 Обязательства трейдеров
Путаница недоразумений
7 отчет 244-245
конгломерация 197 группировки инструментов 242-243
294 Индекс
сезонность 245-246 будущая производительность 29-30

базовые активы 241-242 горизонты 4-50
сокращение убытков 17-21, 109 внутридневных альф 219-221
машинное обучение 121-126
дневная торговля по сравнению с внутридневной
снижение шума 26
торговля 218-219 оптимизация 29-30
ежедневный оборот 35 частота прогнозирования 27
данные 43-47 качество 5
отчеты аналитиков 179-193,
альф включения / выключения риска
автоматизированный поиск 111-120,246-247
тестирование 74-75, надежность 89-93
большие данные 46-47, сглаживание 54-55, 59-60
внутридневные 207-216, трехосевой план 83-88
литература, такая как 44, вселенная 26
анализ данных 79-80, 117-118, значение 27-30
анализ новостей 159-167, цифровые фильтры 127-128
торговля опционами 169-178, оцифровка 7-9
качество 12, размерность 129-132
источников 25-26, 43-44, 113-114,
раскрытие информации 192
временные метки 78, проблемные активы 202-203
понимание 46, диверсификация
валидация 45-46, автоматический поиск 118-119
методологии оценки 189, биржевых фондов 233
веб-sim 255 портфелей 83-88, 108
в письменном виде 164 DL см. точечный (внутренний) продукт
проектирование на основе данных глубокого
4 обучения
набора данных 85-86 63-64
разброс сделок 198 Доу, Чарльз
динамический
7 показатель
глубокое обучение (DL) 125-126 ДПИНвероятности
см.
степени свободы 75 обоснованной торговли
задержка, WebSim 257 просадки 106-107
распределение плотности 67 двойная временная метка 78
глубина автоматического поискадинамическая
116 мера вероятности
D.E. Shaw & Co. 8 обоснованной торговли
проектирование 25-30 (DPIN) 214-215
автоматизированный поиск 111-120
динамическая параметризация 132
обратное тестирование 33-41
тематическое исследование 31-41
премия за раннюю тренировку 174
основные концепции 3-6 звонка о доходах 181, 187-188
ввод данных 4, 25-26, 43-47 оценки доходов 184-185
оценка 28-29 сюрпризов от заработка 185-186
выражения 4 эффективность, автоматизированный
блок-схема 41 поиск 111-113
Индекс 295
гипотеза эффективных рынков среднесуточный объем торгов 239

(EMH) 11, 135 проблемы 239-240
эго 19 достоинства 232-233
элегантность моделей 75 альфы импульса 235-237
EMH смотрите эффективные рынки возможности 235-238
гипотеза исследования 231-240
эмоции 19 риски 233-235
методы ансамбля 124-125 сезонность 237-238
эффективность ансамбля 117-118 смотрите альфа-индексы
также
оценка затрат на выход 19, 21
риска 102-106 ожидаемость новостей 164
исторического 103-106 экспоненциальные скользящие
на основе позиции 102-103 средние 54
сокращение 131 выражения, простые 4
ETF см. биржевые фонды экстремальных альфа-значения 104
Евклидово пространство 64-66 внешний риск 101, 106, 108-109
оценка 13-14, 28-29 неоднородность факторного риска 234
обратное тестирование 13-14, 33-41,
фактора69-76
смещение 77-82 финансовая отчетность от 147
начальная загрузка 107 до букв 148
корреляция 28-29 способы отказа 84
сокращение потерь 20-21 достоверное раскрытие информации
отбор данных 74-75 192
просадки 107 справедливая стоимость фьючерсов
информационный коэффициент 223
28
маржа 28 трехфакторная модель Fama–French 96
переоснащение 72-75 смещение в сторону фамильярности 81
риск 101-110 извлечение признаков 130-131
надежность 89-93 фильтры 127-128
оборот 49-60 финансовые блоги 181-182
смотрите
проверка
также финансовые
балансовыепорталы
отчеты 180-181,
143 192
стратегии, основанные на событиях 195-205
анализ
основы
финансовой
142 отчетности 141-154
бизнес-цикл 196
отчеты о движении денежных
структура капитала 145, 150-152
средств 144–
арбитраж 204-205 корпоративное управление 146
проблемных активов 202-203 факторы 147-148
перебалансировка индексов фундаментальный анализ 149-154
арбитраж 203-204 рост 145-146
слияния 196-199 отчеты о прибылях и убытках 144
выделения, расколотые подразделения
негативные факторы 146-147
200–202 особые соображения 147
биржевые фонды конечная импульсная характеристика
(ETFS) 223-240 (FIR) фильтры 127-128
арбитраж по перебалансировке индексов
296 Указатель
Фильтры FIR смотрите конечный привычки,

импульс успешная
фильтры отклика жесткая нейтрализация 265-271
Преобразование Фишера 91 заголовки 164
пятидневная реверсия альфа 55-59
бета-версии хедж-фондов см. факторы
Плавающий импульс 125 риска
прогноз хедж-фонды, начальное 8-9
поведенческая экономика 11-12
хеджирование 108-109
внедрение компьютеров 7-9 стадное 81-82, 190-191
частоты 27 фильтры высоких частот 128
горизонты 49-50 исторические меры риска 103-106
статистический арбитраж 10-11
горизонты 49-50
Неуправляемость 17-21 горизонтальные слияния 197
смотрипрогнозы
также Функция потерь Хубера 129
формирование отрасли 8-9 горбы 54
предвзятость формулировок 80 гипотезы 4
предвзятость прогнозов 72 идеи 85-86
вперед 241-249 идентификационные матрицы 65
контрольный список 243-244 фильтров IIR смотрите бесконечный
Обязательств трейдеров импульс
фильтры отклика
отчет 244-245 премия за неликвидность 208-211
группы инструментов 242-243 реализация
сезонность 245-246 основные концепции 12-13
базовые активы 241-242 трехосный план 86-88
частоты 27 неточность моделей 10-11
полнотекстовый анализ 164 отчеты о прибылях и убытках 144
фундаментальный анализ 149-154алфавитные указатели 223-240
будущие показатели 29-30 изменения индекса 225-228
фьючерсов 241-249 новые участники 227-228
контрольный список 243-244 принципы 223-225
обязательств трейдеров искажение значений 228-230
отчет 244-245 о смотрите
биржевых
также фондов
справедливой стоимости 223 203-204
группы инструментов 242-243 формирование отрасли 8-9
сезонность 245-246 отраслевые факторы 188-190
базовые активы 241-242 бесконечная импульсная
нечеткая логика 126 характеристика
фильтры 127-128
(IIR)
коэффициент информативности (IR) 28,
General Electric 200 35-36, 74-75
обобщенная корреляция 64-66 первоначальные хедж-фонды 8-9
группировки, фьючерсы и внутренний продукт
форварды 242-243 см.Исходныеданные точечного
групповой импульс 157-158 продукта
анализ роста 145-146 для проектирования 25-26
целочисленный эффект 138
промежуточные переменные 115
условия пункт об
Индекс 297
внутридневные данные 207-216 Слияния и поглощения см.

ожидаемая доходность 211-215пункт изменениях
MAC о слияниях и поглощениях
премия за неликвидность 208-211
см.
MACDсущественные неблагоприятные
видит скользящую среднюю
микроструктуры рынка 208 конвергенция-дивергенция
торговлиобоснованной
213-215 машинное обучение 121-126
внутридневной торговли 217-222 глубокое обучение 125-126
альфа-дизайн 219-221, методы ансамбля 124-125
ликвидность 218-219 нечеткая логика 126
по сравнению с ежедневной торговлей 218-219
предвзятое отношение 79
внутренний риск 102-103, 105-106,нейронные
109 сети 124
инвариантность 89 статистические модели 123
обратные биржевые фонды 234 контролируемые /
IR см. информационное соотношениенеконтролируемые 122
итерационных поисков 115 машины
122, 123-124
опорных векторов (SVM)
макроэкономические корреляции 153
Альфа Дженсена 3 ручной поиск,
предварительная автоматизация
Норма L1 128-129 119
Норма L2 128-129 маржа 28
задержка 46-47, 128, 155-156 сайты комментариев рынка 181-182
эффекты задержки выполнения 158влияние
изменения
рынкаиндекса 225-228
продолжительность тестирования смотри
75 тиковые
изменения
также
данныецен
уровня 1/2 46 микроструктура рынка 207-216
кредитное плечо 14-15 ожидаемые доходы 211-215
с привлечением заемных средств напремия
биржевых
за неликвидность
торгах 208-211
фонды 234 вероятность обоснованной
методы ограничения 92-93 торговли 213-215
ликвидности типы 208
эффект 96 существенное неблагоприятное
внутридневные данные 208-211 изменение
пункты(MAC)
198-199
внутридневная торговля 218-219
максимальная просадка 35
и спреды 51 максимальный вес запаса, WebSim 257,
литература как источник данныхправило
44 возврата к среднему значению
предвзятое отношение к будущему70, 78-79
дней оглядки назад, WebSim 257-258
минимизация среднеквадратичной
оглядываясь назад , см. Тестирование
ошибки
академические
11, исследования 160
гипотезы Ло 97 носитель
категоризация
159-167163
потерь ожидаемость 164
сокращение 17-21, 109 финансовая информация
просадок 106-107 181-182, 192
функции потерь 128-129 импульс 165
фильтры нижних частот 128 новизна 161-162
в нейронных сетях
298 Индекс
настроения 160-161 автоматический поиск 113

социальные 165-166 дифференцирование 72-75
слияния и поглощения уменьшение 26
(Слияния и поглощения) 196-199
нелинейные преобразования 64-66
модели нормальное распределение,
обратные испытания 69-76 приближение к 91
элегантность 75 новизне новостей 161-162
погрешность 10-11
смотриалгоритмы;
также проектирование;
открытый интерес 177-178
оценка; машинное обучение;
возможностей 14-15
оптимизация оптимизация 29-30
цифры импульса 155-158, автоматический поиск 112, 115-116
165, 235-237 функций потери 128-129
эффект импульса 96 параметра 131-132
разворот импульса 136-137 параметры 169-178
утреннее солнце 46 концепции 169
конвергенция скользящей среднейоткрытый
- интерес 177-178
дивергенция (MACD) 136 популярность 170
множественная гипотеза- объем торгов 174-177
тестирование 13, 20-21 перекос волатильности 171-173
разброс волатильности 174
узкие рамки 81 соотношение объема опциона к объему
запасы природного газа 246 акций174-177
(O / S) рынки, управляемые
негативные факторы, финансовыезаказами 208
утверждения 146-147 методы заказа 90-92
модели неокогнитрона 126 O /S см. Соотношение объема опционов
нейронные сети (NNS) 124 к объему запасов
WebSim 257 108 отклонения 13, 54, 92-93
выборочное
недавно проиндексированных компаний тестирование
интеллектуальный
227-228 13,данных
анализ 74
новости 159-167 переоснащение
79-80 72-75
академические исследования 160
засокращение
ночь -0 символов
74-75,219-221
269-270
категорий 163 за ночь -1 символ 219
ожидаемость 164
финансовая информация минимизация параметров 75
181-182, 192 оптимизация параметров 131-132
импульс 165 PCA см. принцип
новизна 161-162 компонентный анализ
актуальность 162 Корреляция Пирсона
настроения 160-161 коэффициенты 62-64, 90
волатильность 164-165 давление со стороны сверстников 156
NNs см. прибыльных дней 35
шум параметров производительности 85-86
модели взаимоотношений с
Индекс 299
PH смотрите
вероятность эвристическойсоотношение
торговли паритета "пут-колл" 174
управляемая торговля Python 12
ЗАКРЕПИТЬ
см.
информированной торговли качество 5 аппроксимация
PnL см. пулы квантилями 91
прибылей и убытков см. портфеликвинтильные распределения 104-105
Поппер, Карл 17 рынки, управляемые котировками 208
популярность опционов 170
портфелей алгоритм случайного леса 124-125
корреляция 61-62, 66 случайных блужданий 11
диверсификация 83-88, 108 ранжирование 90
риск, основанный на позиции RBM см. ограниченно
меры 102-103 Машина Больцмана
положительное смещение 190 инвестиционные фонды недвижимости
прогнозов 4 (REITs) 227
частота 27 рекомендации
горизонты 49-50 аналитиков 182-183
смотри прогнозирование
также рекуррентные нейронные сети
изменения цен (RNNs) 125
отчеты аналитиков 190 уменьшение
поведенческая экономика 11-12 размерности 130-131
гипотеза эффективных рынков 11 шума 26
выражения 4 переоснащения 74-75, 269-270
изменения индексов 225-228 риска 108-109
новостные эффекты 159-167 Reg FD см. Справедливое
относительные 12-13, 26 регулирование
ценовые цели 184 Регион раскрытия информации,
стратегии соотношения цены и объема
WebSim135-139
256
гордость 19 регионов 85-86
анализ основных компонентов регрессионные модели 10-11
(PCA) 130-131 проблемы регрессии 121
вероятность эвристической торговли
регуляризация 129
(PH) 214 Регулирование
(Reg FD) 192
Честное раскрытие
вероятность осознанной торговлиинформации
REITs смотрите недвижимость
(PIN) 213-215 инвестиционными трастами
прибыль и убыток (PnL) 26
корреляция 61-62 относительные цены 12-13, 26
просадки 106-107 актуальность новостей 162
смотри убытки
также Технологии Ренессанса 8
прибыль на доллар, проданный наисследования
35 7-15
языках программирования 12 аналитические отчеты 179-193
психологических факторов см. автоматизированный поиск 111-120
поведенческая экономика обратное тестирование 13-14
тесты чувствительности отчетов

Индекс 300
поведенческая экономика 11-12 стратегии импульса 157

внедрение компьютеров 7-9 и sunshine 46
оценка 13-14 предвзятость при выборе 77-79, 117-
биржевые фонды 231-240 118
внедрение 12-13 аналитики
смотри аналитиков
также
на стороне продаж 179-180
внутридневные данные 207-216 119
машинное обучение 121-126 анализ настроений 160-161, 188
возможности 14-15 акционерный капитал 151
перспективы 7-15 Коэффициенты Шарпа 71, 73,
статистический арбитраж 10-11 74-75, 221, 260
трехосевой план 83-88 в годовом исчислении 97
ограниченная машина Больцмана Шоу, Дэвид 8
(RBM) 125 оценки усадки 131
треугольник Рело 70 сигнал
альфа-реверсии, пятидневный период
отчет
55-59,
аналитиков 190, 191-192 о
риск 101-110 сокращении убытков 20-21
арбитраж 196-199 источники данных 25-26
контроль 108-109 определение 73
просадки 106-107 прогноз прибыли 187-188
оценка 102-106 выражения 4
внешние 101, 106, 108-109 снижение шума 26, 72-75
внутренние 102-103, 105-106, 109
объем торговли опционами 174-177
факторы риска 26, 95-100 сглаживание 54-55, 59-60
альфа-сигналы включения / выключения
перекос риска
волатильности
246-247, 171-173
матрица риска-вознаграждения 267-268,
разброс волатильности 174
RNNS см. Надежность рекуррентных
знаковая
нейронных
сетей65
89-93, 103-106, тесты значимости 119
правила 17-18 Саймонс, Джеймс 8
оценка 20-21 простые скользящие средние 55
см. Также
алгоритмы; UnRule моделирование
Russell 2000 IWM fund 225-226 обратное тестирование 71-72
настройки WebSim 256-258
Шкала автоматизированныхсезонных смотрите
аффективных
предыстория
также расстройств
SAD
see коэффициент размера 96
поисковые запросы 111-113сглаживание 54-55, 59-60
поисковые системы, аналитика социальные сети 165-166
отчеты 180-181 источники данных 25-26, 43-44, 74-75
поисковые пространства, автоматизированные
автоматический поиск 113-114
поисковые запросы 114-116 см. такжеданные
сезонность анализ разреженных главных
биржевые фонды 237-238 компонентов
(sPCA) 131
фьючерсы и форварды 245-246Ранговая корреляция Спирмена 90
Индекс 301
особые соображения, финансовые реализация 86-88

отчетность 147 настройка оборота 59-60
выделение 200-202 см. также
сглаживание
разделения 200-202 оборот 49-60
спреды обратное тестирование 35
и ликвидность 51 контроль 53-55, 59-60
и волатильность 51-52 затраты 50-52
stat arb смотрите статистическийпересечение
арбитраж 52-53
statistical arbitrage (stat arb) примеров 55-59
10–11, 69–70 горизонтов 49-50
статистические модели, машинныесглаживание 54-55, 59-60
обучение 123 WebSim 260
пошаговое построение 5, 41
затраты на хранение 247-248 неопределенность 17-18
рассказывание историй 80 основополагающие принципы 72-73
субъективность 17 изменения в 109
солнечный свет 46 понимании данных 46
контролируемое машинное обучение неожиданные
122 новости 164
машины опорных векторов (SVM) вселенные 26, 85-86,
122, 123-124 239-240, 256
системная предвзятость 77-80 Неуправляемость 17-18, 20-21
неконтролируемое машинное обучение
НАЖМИТЕ посмотреть трехосевой 122 план
налоговой эффективности, торгуемый
валидация,
на бирже
данные 45-46,
фонды 233 методологии оценки 189,
команды 270-271 значение букв 27-30,
с привязкой к времени искажение стоимости, индексы 228-
корреляция 63-64, 65 230,
теория, соответствующая 80 ценностные факторы 96,
мыслительным процессам инвестирование в стоимость 96, 141,
аналитики 186-187 дисперсия и предвзятость 129-130,
тиковые данные 46 поставщики как источник данных 44,
временные метки и смещение 78-79
вертикальные слияния 197,
ошибки отслеживания 233-234 волатильность
и новости 164-165
сделок и распространения 51-52
стоимость эффекта пересечения
перекос
50-52 волатильности 171-173
52-53 разброс волатильности 174
задержка 46-47 объем
следование тренду 18 торговли опционами 174-177
обрезка 92 стратегий "цена-объем" 135-139
трехосный план (TAP) 83-88 вероятность совершения торговли,
концепции 83-86 синхронизированной с объемом,
обоснованная (VPIN) 215
Индекс 302
VPIN смотрите пример 260-261

вероятность настройки 256-258
обоснованной торговли, синхронизированная
еженедельные целис266-267
объемом,
с
взвешенным движением
погодные эффекты 46 средние значения 55
WebSim 253-261 Выигрыш 92-93
анализ 258-260 Yahoo finance 180
обратное тестирование 33-41
типы данных 255 Z-оценка 92

Dokumenpub Finding Alphas A Quantitative Approach To Building Trading

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Dokumenpub Finding Alphas A Quantitative Approach To Building Trading

Загружено:

Авторское право:

Доступные форматы

Поиск Альф

Игорь Тульчинский и др.

Это издание впервые опубликовано в 2015 году

Установлено в 11/13 временных интервалах по времени компанией SPi Global, Ченнаи,

Посвящается всем в WorldQuant —

ЧАСТЬ II ПРОЕКТИРОВАНИЕ И ОЦЕНКА 23

9 Обратное тестирование – сигнал или переоснащение?69

ЧАСТЬ III РАСШИРЕННЫЕ ТЕМЫ 133

25 Инвестирование, ориентированное на события 195

ЧАСТЬ IV "НОВЫЕ ГОРИЗОНТЫ" – WEBSIM 251

ЧАСТЬ V ПОСЛЕДНЕЕ СЛОВО 263

Многое изменилось с тех пор, как мы опубликовали первое

Эта книга представляет собой исследование процесса поиска

На этих страницах мы представляем подборку глав, посвященных

Венди Голдман Роум, наш литературный агент, сыгравшая

Содержание этой книги предназначены для ознакомительных и

На момент написания статьи информация о WebSim,

xviii О веб-сайте WebSim

Вы можете найти более подробную информацию о WebSim в

Что такое альфа? На протяжении всей этой книги вы будете

осуществляется на финансовых рынках ценных бумаг. Мы

Мы разрабатываем альфа-версии на основе данных, которые мы

Таблица 1.2 Выражения и их гипотезы

ОПРЕДЕЛЕНИЕ КАЧЕСТВА В АЛЬФА-версиях

Альфа-акции приносят доходность, которая меняется с течением

Мы можем в общих чертах определить шаги, необходимые для

В последующих главах многие из этих тем рассматриваются

основательная разработка alpha с их обширным тестированием

В области финансов альфа - это показатель превышения

КАНДИДАТЫ наук НА УЛИЦЕ

До 1960-х годов все или почти все процессы бэк-офиса, и

Со временем количественное инвестирование, нейтральное к

Термин “статистический арбитраж” (stat arb) иногда используется

, как правило, оцениваются на основе минимизации

если бы вы прилагали усилия для сбора и анализа информации,

Перспективы Alpha Research 13

цены; например, вместо того, чтобы пытаться предсказать

Тестирование включает в себя оглядывание назад во времени,

скучать по лесу из-за деревьев. Располагая вычислительными

Человек - это существо, которое добилось успеха, потому что

эволюционировали от веры в то, что земля находится в центре

Проще говоря: сокращение потерь означает отказ от правил,

КАК ПРИМЕНИТЬ ПРИНЦИП НЕУПРАВЛЯЕМОСТИ ДЛЯ

• Необходимо придумать как можно больше хороших правил.

Важно одновременно придерживаться разных стратегий и

время. Предположим, у вас есть 10 других не менее надежных

Изучите каждое потенциальное действие, прежде чем приступить

Заранее спланируйте, как дешево отказаться от стратегии.

В этой главе будет описан процесс разработки альфа-версии,

Иногда источники данных используются не для генерации

Важным шагом в разработке альфы является выбор целевого

Выбор юниверса обычно определяется охватом входных

ЧАСТОТА ПРОГНОЗИРОВАНИЯ альфа-СИГНАЛА

Другим важным дизайнерским решением при создании альфа-

• Тик. Новые прогнозы запускаются такими событиями, как

использоваться только данные, доступные до текущего

определенного времени могут быть использованы для

Как и при выборе юниверса, это решение часто определяется

Окончательным критерием ценности альфы является то, сколько

Поскольку целевая торговая стратегия может быть неизвестна

Более низкая корреляция указывает на то, что альфа более

Приведенные выше измерения можно сделать более сложными.

убедитесь, что изменения, как ожидается, улучшат альфа-версию