Выбор подхода к торговле

В одном из предыдущих постов я уже описал принципы выбора модели управления рисками, и теперь уже сформировалось понимание того, как именно строить торговую часть портфеля.

На основании того, что я уже узнал про лидеров, получилась следующая картинка: можно торговать по-всякому (и вручную, и автоматически, и с искусственным интеллектом, и с помощью сторонних консультантов). Все эти подходы могут давать результат, при правильном применении. Но вот стабильность подходов заметно отличается:

• чисто ручная торговля уже уходит в прошлое: я не вижу ни одного лидера, который в той или иной мере не использовал бы quantitative-подходы;
• полностью автоматическая торговля не особо стабильна, и это хорошо заметно по колебаниям результатов чистых квантов в последние годы;
• экспоненциальный рост конкуренции в чисто алгоритмических подходах снижает маржу и повышает риски, поскольку все эти люди занимаются одним и тем же в одно и то же время (сложно или даже уже невозможно найти нечто кардинально новое);
• найм лучших математиков, физиков и вообще людей математики уже не является гарантией результата, поскольку этим занимаются все вокруг. Это, скорее, уже стало «платой за вход», как компьютеры из источника конкурентного преимущества в бизнесе стали насущной необходимостью;
• фонды на искусственном интеллекте являются наименее стабильными, поскольку там меньше всего понимают, что именно происходит в «черном ящике» в моменты кризисов;
• наиболее стабильные результаты показывают именно то, кто комбинирует людей и технологии.

В итоге, мое личное решение — комбинация экспертов и технологий: с одной стороны, искать и учить экспертов в конкретных рынках и на конкретных финансовых инструментах. С другой — давать им наилучший инструментарий, который бы объединял в себе quantitative и машинное обучение, но являлся бы всего лишь источником информации и сигналов, где принятие решений и контроль все равно были бы ручными.

Тут я говорю не только о сугубо ручной торговле, но и о ручном управлении автоматическими системами, тогда есть шанс вовремя отлавливать проблемы с алгоритмами во время смены режимов рынка.

Я сейчас плотно копаю аналитику, и нахожу там много подтверждений этой идеи: сами по себе данные или даже алгоритмы анализа данных не могут дать понимания предметной области. Они лишь показывают корреляции и информационную связь между сигналами, но вот установление причинно-следственных связей остается за пределами математики и статистики.

Да, это несколько разочаровывает тех, кто ищет в математике и машинном обучении ответы на все вопросы, да пытается создать «универсальный решатель проблем», но на текущем витке эволюции других вариантов я не знаю.

Ну и надеяться на свой сумрачный гений в попытке научиться торговать лучше других тоже надежды мало: в соревновании человека и человека+машины победитель, как мне кажется, очевиден.

Получается, что наилучшие результаты в долгосрочной перспективе будут у тех, кто сможет обеспечить наилучшие результаты именно в менеджменте, поскольку потребуется нанимать и мотивировать разноплановых людей: и экспертов-гуманитариев, который будут с удовольствием «копать» рынок, и разработчиков/математиков, которые будут с удовольствием разрабатывать инструментарий и модели. Ну и как-то обеспечить их эффективное взаимодействие.