Рынок на данных: что алгоритмы видят раньше трейдера

Я технический директор Trade2Good — рассказываю, какие данные сегодня используют в трейдинге, как из миллионов сигналов находят рабочие закономерности, почему прибыльные стратегии со временем перестают работать и какую часть этой работы уже можно передать ИИ.

От цены до твитов Трампа: что анализируют в трейдинге

Одна из моих задач — отделять данные, которые действительно дают преимущество в торговле, от тех, что просто создают шум. Сегодня в трейдинге анализируют почти все, от тиковых данных, объемов и стакана до макроэкономики, новостей и высказываний Трампа. Это не преувеличение: доступ к специализированным потокам данных на основе его публикаций может стоить десятки тысяч долларов в месяц. Но сам по себе объём информации ничего не гарантирует. Вопрос всегда в другом: какие данные помогают увидеть закономерность раньше рынка — и превратить её в рабочую торговую гипотезу.

Но если говорить именно о рыночных данных, я бы разделил их на три основных уровня.

• Первый — цена. Что происходило с инструментом и как менялась его стоимость.

• Второй — объемы и дельта. Они помогают понять, какая торговая активность стояла за движением цены и кто в конкретный момент был агрессивнее — покупатели или продавцы.

• Третий — стакан и книга ордеров. Здесь мы уже смотрим не только на совершенные сделки, но и на намерения участников рынка.

Вместе эти уровни отвечают на три разных вопроса: что произошло, в каком объёме это произошло и чего рынок ожидает сейчас. Но ими анализ не ограничивается. Можно изучать статистику и сезонность отдельных активов — например, кофе или мяса. Можно искать корреляции и смотреть, как движение одного инструмента связано с другим, а также подключать новости и макроэкономические показатели.

При этом больше данных совсем не означает лучший результат.

Как из данных получить торговую стратегию

Тактика анализа на самом деле простая — найти экстремальные значения цены, точки уровней разворота или точку пробоя. После этого нужно изучить, что происходило до разворота/пробоя, непосредственно в момент движения и после него.

Во время изучения, можно использовать как поведение самой цены, так и дополнительные индикаторы. Но тут важно подобрать реальные фильтры подтверждения, а не перегружать график сотней индикаторов. Нужны несколько фильтров, которые действительно подтверждают или опровергают исходную идею.

Дальше начинается проверка — часть закономерностей подтверждается статистически, часть оказывается случайностью и отпадает. Иногда первоначальная идея в процессе исследования меняется полностью.

Вся эта работа сводится к одному циклу: выдвинул гипотезу— проверил ее на данных — подтвердил или отбросил — проверил следующую.

Именно так постепенно появляется статистическое преимущество — то, что в трейдинге называют edge. Причем для его поиска необязательно иметь огромные массивы информации. Иногда edge можно обнаружить даже на достаточно простых данных — например, ценах открытия и закрытия свечей. Поэтому я скорее выберу качественные данные, чем просто большое их количество.

Под качеством я понимаю прежде всего полноту и своевременность информации именно для того инструмента, которым мы торгуем. Лишние данные могут даже мешать: чем больше независимых сигналов мы добавляем, тем выше вероятность получить противоречащие друг другу результаты.

Почему хорошая стратегия однажды перестает работать

Такое происходит постоянно — рынок меняется, как и активность его участников. Инструмент, который раньше активно торговался, может перестать быть интересен участникам рынка. Объемы снижаются, техничность и качество сигналов после этого может сильно упасть. Есть и сезонность активов, но под это тоже можно подстраиваться.

Еще один фактор — алгоритмическая торговля. Сегодня на рынках работает огромное количество торговых роботов с серьезными вычислительными ресурсами. И если они становятся монополистами на рынке какого-то инструмента, то, скорее всего ,стратегия может работать ограниченное время.

Можно ли заранее заметить большое движение

Иногда да. Один из способов — одновременно следить за лентой сделок, объемом и дельтой. Это может помочь разгадать замысел крупного участника. Например, я обращаю внимание на сочетание аномального объема, большой дельты и iceberg-ордеров. По отдельности каждый из этих признаков еще мало о чем говорит, но вместе они уже могут показать, что крупный игрок набирает или разгружает позицию.

Например, я как-то фиксировал дельту по нефти примерно в 10 000 контрактов — для меня это был сигнал, что на рынке происходит что-то существенно отличающееся от обычной торговли. В течение следующих недель это правда привело к развороту, движение после которого продолжалось пару кварталов.

Что алгоритм видит лучше человека

Я бы не сказал, что алгоритм обладает каким-то особым пониманием рынка, у него другие преимущества. Он намного быстрее человека, способен одновременно обрабатывать большие массивы информации и не испытывает эмоций.

Также алгоритм может быстро и более глубокого проанализировать данные второго и третьего уровня — стакан, книгу ордеров, поток сделок. Человеку сложно долго следить за тысячами постоянно меняющихся значений и сохранять одинаковую концентрацию.

Алгоритму все равно, заработал он на предыдущей сделке или потерял деньги. Он не боится войти после серии убытков и не становится самоуверенным после серии прибыльных сделок. Если условия стратегии выполнены, он продолжает работать.

Но и здесь есть важное ограничение. Например, если дать модели в десять раз больше данных, она не станет в десять раз лучше. Можно получить прямо противоположный эффект — больше шума и ложных взаимосвязей, и в целом более сложную модель без дополнительного преимущества.

В итоге ценность создает не объем информации сам по себе, а способность найти в ней устойчивый edge — а для этого нужен опыт формирования и проверки гипотез на рынке.

Может ли ИИ сам придумать торговую стратегию

Мы в Trade2Good как раз экспериментируем с этим подходом — у нас человек работает в паре с ИИ. Система проверяет торговые гипотезы, подбирает гиперпараметры алгоритмов и объединяет стратегии в портфель.

Это сильно ускоряет исследовательский цикл — вместо ручной проверки огромного количества комбинаций часть этой работы можно передать машине.

Но полностью человека мы пока не исключаем — он остается оператором системы и, что важнее, экспертом, который валидирует результаты ИИ. Модель может найти статистическую закономерность, но человеку все еще нужно понять, имеет ли она экономический смысл, насколько результат устойчив и можно ли доверить ему реальные деньги.

Получается не «ИИ вместо трейдера», а другая модель работы: человек формирует рамки и отвечает за здравый смысл, машина берет на себя масштаб вычислений и проверки.