На фоне технического прогресса, фондовые рынки очень хорошо адаптировались к захватывающему миру алгоритмов. 

#Справка: Алгоритмическая торговля, или Алгоритмический трейдинг (англ. Algorithmic trading) — это метод исполнения большой заявки (слишком большой, чтобы быть исполненной за раз), когда с помощью особых алгоритмических инструкций большая заявка (parent order) делится на несколько под-заявок (child orders) со своими характеристиками цены и объема и каждая из под-заявок отправляется в определенное время на рынок для исполнения. Такие алгоритмы были придуманы для того, чтобы трейдерам не приходилось постоянно следить за котировками и делить большую заявку на маленькие вручную.

Чтобы детальнее погрузиться в принципы алгоритмических стратегий, мы побеседовали с кандидатом физико-математических наук, председателем Государственной аттестационной комиссии в Финансовом университете при Правительстве Российской Федерации Андреем Валентиновичем Батуниным. 

Aravana CM: Почему Вам интересно данное направление? Опишите, пожалуйста, Вашу стратегию.

Явная зависимость от времени здесь пропадает, но она остается в виде упорядоченных по времени точек (состояний динамической системы) на фазовой траектории. Это резко отличается от технического анализа, когда рассматриваются временные ряды котировок акций, ищутся тренды и т.д. Фазовая траектория, в принципе, и есть тот фрактал (его конечная аппроксимация), к которому будут применяться соответствующие методы исследования – будут  строиться гистограммы плотности точек на фазовой траектории, сечения Пуанкаре и т.п.

В моих статьях в 2001-2005 годах в журналах «Финансы и кредит» и «Дайджест-Финансы» эти исследования были проведены на примере американского фондового индекса S&P 500, и был выявлен ряд закономерностей, ранее неизвестных. 

Сейчас наши усилия направлены на обнаружение явных индикаторов на языке фазовых траекторий, предупреждающих инвесторов о грядущих потрясениях фондового рынка. Таковыми индикаторами могут быть качественные изменения фазовых траекторий: расщепление одной линии на несколько, переход траектории в другую область фазового пространства, появление петель в сечениях Пуанкаре и т.п. 

Aravana CM: Какие преимущества и недостатки Вы можете выделить в рамках алгоритмической торговли по сравнению с обычными рыночными стратегиями? 

Батунин А. В.: Преимущества алгоритмической (высокочастотной) торговли хорошо известны. Первое – это исключение человеческих эмоций при принятии решения — покупать, держать или продавать. Роботы не подвластны чувствам. Второе – скорость принятия решения и его исполнения на бирже. У человека на это уходят в лучшем случае секунды, у роботов – миллисекунда, а то и меньше. Алгоритмические стратегии хороши на быстро меняющемся волатильном рынке, в стандартных ситуациях. Нестандартные ситуации, не прописанные в программе, могут приводить к сбоям и потерям в деньгах. Поэтому самым правильным, на мой взгляд, является сочетание тактических операций роботов и стратегического контроля опытного специалиста за ситуацией на рынке, который видит всю картину происходящего в целом.

Aravana CM: Кому, по Вашему мнению, будет интересна алгоритмическая торговля? Почему? 

Батунин А. В.: Она будет интересна инвесторам, имеющим собственную оригинальную стратегию, которую нужно воплотить в алгоритм. Или тем, кто верит в уже существующий и хорошо зарекомендовавший себя алгоритм и хочет заработать с его помощью. В любом случае, инвестор должен понимать, что влияние  серьезных катаклизмов (внезапные военные конфликты, введение санкций, экологические катастрофы) на фондовый рынок не может быть учтено ни одним алгоритмом.

В этом случае необходимо человеческое вмешательство, стратегическая оценка происходящего и соответствующие выводы и действия – остановить алгоритм или скорректировать его.

Aravana CM: Как Вы видите будущее этого направления в мировом масштабе? Кто по Вашему более эффективен на финансовом рынке — машина или человек?

Батунин А. В.: Программу для машины пишет человек, так что соревнование роботов – это все равно соревнование человека с человеком. Скорость реакции роботов одинакова, небольшие нюансы в скорости вносит язык программирования, на котором написана программа и платформы. Основной вклад в эффективность (прибыльность) стратегии все-таки несет сам алгоритм, его «изюминка», которая создается человеком. 

Как я вижу будущее этого направления? Искусственный интеллект сможет независимо от человека создавать и внедрять в глобальные СМИ фейковые новости, способные обрушить фондовый рынок и нейтрализовать  действующие на нем алгоритмические стратегии. В этот момент он включает свой, заточенный под данную ситуацию алгоритм, и снимает все сливки. Главное будет точно предугадать, как отреагирует основная масса инвесторов на данную новость – в какую сторону качнется рынок.

Aravana CM: Вместе с тем Вы стоите во главе Государственной аттестационной комиссии (ГАК) Финансового университета при Правительстве Российской Федерации с 2012 года. Какие мысли о развитии университета у вас были тогда, и насколько они совпадают с тем, к чему вы пришли спустя 8 лет?

Батунин А. В.: С Финансовым университетом при Правительстве РФ я сотрудничаю с конца 90-х, когда он еще назывался Финансовой Академией. Память об этом осталась в названии его сайта – fa.ru. Я читал курс лекций «Рынок ценных бумаг» на факультете второго высшего образования, затем более сложный (больше математики) курс «Производные финансовые инструменты». 

Моими студентами были уже состоявшиеся люди, которые имели первое высшее образование и работали в крупных корпорациях, в министерствах, в Центральном банке. Я видел, что знания, которые я им даю, им интересны и нужны в работе. Естественно, я верил, что второе высшее образование будет востребовано всегда, и недостатка в студентах у нас не будет. К сожалению, я ошибся. Современная экономическая ситуация не требует увеличения числа финансовых специалистов. Яркий пример: число банков за 20 лет сократилось с полутора тысяч до четырехсот.  

Aravana CM: Как перекликается работа в ВУЗе с Вашим пристрастием к алгоритмизации рыночных инструментов? 

Батунин А. В.: На защите дипломных работ очень редко, но встречаются темы, связанные с алгоритмизацией рыночных стратегий. Помню две работы, которые затрагивали тему фрактальных множеств. С этими студентами после защиты мы подробно обсуждали заинтересовавшие меня моменты, я давал им ссылки на свои статьи, рекомендовал продолжать исследования в данной области.

Чтобы получить консультацию и ознакомиться с услугами Aravana CM, предлагаем Вам перейти во вкладку Продукты/Аналитика.