Текст книги "Великие маги хедж-фондов. Трейдеры, которые не проигрывают"

Она ответила: «Номер счета такой-то и такой-то, вы хотите продать 100 акций CHPS».

Я разволновался: «Нет, нет, купить!»

Она сказала: «Вы, наверное, имеете в виду продать. Никто не покупает!»

И я повторил: «А я хочу купить, КУ-ПИТЬ!»

Она удивилась: «Правда? Все продают».

Я подтвердил: «А я покупаю». Она разместила ордер, и тот был исполнен по цене $14,5, после чего произошел резкий скачок цены. В этой истории важно вот что – я даже в самом начале был готов занять консервативную позицию.

– Исходя из чего вы совершали сделки с опционами?

– Тоже двигался против тренда. В качестве основного индикатора я использовал соотношение пут/колл. Мне нравилась эта логика. Еще я следил за индексом ARMS.

– Вы противоречивая личность?

– Не могу быть частью толпы и просто соглашаться с общим мнением. Мне хочется все оценивать самостоятельно.

– Расскажите, каким образом вам удалось преуспеть.

– Забавно. Сегодня утром перед вашим приходом я просматривал старые брокерские выписки и с удивлением обнаружил, что плохо помню детали первых сделок. У меня было впечатление, что прибыль принесли все первые десять сделок с опционами. Но, согласно выпискам, деньги принесли десять моих первых сделок с путами. А коллы, которые я тоже покупал, по большей части были в убыток. Получается, что я забыл, что прибыль принесли далеко не все сделки, а исключительно длинные позиции пут. Конечно, тогда рынок был нисходящим, поэтому неудивительно, что длинные позиции пут постоянно приносили прибыль. Теперь мне кажется, что следует снова пообщаться со всеми, кому я рассказывал о прибыльности своих первых сделок, и прояснить ситуацию. В плане баланса я работал очень хорошо, потому что сделки пут приносили много. Стартовый счет в $2500 превысил $10 000. Но затем, на 11-й сделке пут, я потерял больше, чем заработал на первых десяти вместе взятых.

– Что произошло?

– Рынок резко вырос, и путы оказались бесполезными.

– Вы покупали путы, отчего же потеряли так много всего на одной сделке?

– Потому что продолжал увеличивать размер сделки по мере того, как зарабатывал деньги.

– То есть спустили все на одну-единственную сделку?

– Да.

– Эта сделка поставила временную точку в вашей торговой карьере?

– Нет, я продолжал торговать, но без особого успеха. Тем летом я попробовал дневной трейдинг. У меня имелась целая установка котировок в реальном времени. План состоял в том, чтобы провести лето, уставившись в торговый экран. Примерно на третий день я понял: «Не мое. Мне не подходит».

– Имелось ли у вас представление, чем хотите заниматься, во время учебы в колледже?

– Трейдингом. На первом курсе я участвовал в инвестиционном конкурсе AT&T, который проводился в режиме реального времени для студентов колледжа. Вступительный взнос составлял $50. Я участвовал под своим именем, а также под именем соседа по комнате – Уилла. Мне хотелось, чтобы он тоже принял участие, но его не интересовала торговля. Поэтому я сделал вторую заявку от его имени. На двух счетах я торговал по-разному, чтобы увеличить свои шансы на победу. Всего было десять выигрышных мест. Я занял шестое место, но со счетом Уилла. Приз составил $3000. Кроме того, каждый победитель выиграл неделю на Багамах для себя и своего компаньона. Я сказал Уиллу, что приз должен получать он, потому что тот на его имя.

– Была ли официальная церемония награждения?

– Разумеется.

– Кто вышел за призом?

– Уилл. Призовой чек, который ему вручили, был примерно такого размера. (Руками рисует в воздухе большой прямоугольник.) На следующее утро мы отправились в местный банк, чтобы его обналичить. Чек не пролезал в окошко кассира.

– Не понимаю. Чек был на бóльшую сумму?

– Нет, это было имитацией чека, но мы этого не осознали, потому что все выглядело официальным. С похмелья никому из нас даже не пришло в голову, что тот чек был бутафорским. Настоящий мы получили по почте позже.

Я чувствовал сильную вину за то, что торговал сразу с двух счетов. На пятый день состоялся пикник, и я подошел к одному из руководителей и признался, что участвовал в конкурсе дважды. «Шутите? – спросил он. – Нам бы хотелось, чтобы каждый участвовал по десять раз, чтобы люди заходили под разными аккаунтами и пробовали разные стратегии. Не нужно было заходить под именем друга».

– Имелся ли у вас план действий на начальном этапе трейдинга?

– Я быстро осознал, что не хочу быть брокером, работающим за комиссионные, или управляющим, работающим исключительно за должностное вознаграждение. Мне нравилось стимулирующее вознаграждение, идея о том, что твой доход напрямую связан с тем, насколько хорошо ты работаешь.

– Имелось ли у вас хоть какое-то представление о том, как вы будете торговать?

– Я понимал, что существует большая вероятность того, что я не смогу понять, как обыграть рынок, но еще я понимал, что есть люди, которые обыгрывают рынки, благодаря вашей первой книге «Маги рынка» и другим источникам. Как только я узнал о гипотезе эффективного рынка, то задался целью доказать ее ошибочность.

Примерно в то же самое время я прослушал курс по экономике. Меня ужаснул ряд выводов, к которым пришли ученые, например гипотеза эффективного рынка. Я отказывался учить то, что считал неправильным. На протяжении курса профессор неоднократно проводил тесты с несколькими вариантами ответов. Я умолял его использовать на выпускном экзамене вопросы для эссе вместо вопросов с несколькими вариантами ответов. За неделю до экзамена он объявил, что экзамен будет со множественным выбором. Я так расстроился, что решил прийти на экзамен с коробкой мелков и сесть на первой парте, чтобы видели все. На экзамене я написал записку, в которой объяснил, что отвечал на вопросы так, как считал правильным, но там, где, по моему мнению, профессор ожидал другого, я объяснял, почему думал так, а не иначе, и отвечал в отдельной колонке. Еще я написал, что завалю экзамен, если профессор не обратит внимания на предоставленные мною альтернативные ответы. Он все проигнорировал и поставил мне неудовлетворительную оценку – 51 балл. Меня это не очень волнует – я даже рад, что получил неуд, потому что знаю, насколько неправильными были некоторые «правильные» ответы.

– Имелись ли у вас наставники?

– Меня постоянно об этом спрашивают. На самом деле я самоучка. Я неоднократно размышлял над этим, и по-другому никак не сказать. Но если вы спросите, какому менеджеру мне хотелось бы подражать, то это, безусловно, будет Пол Тюдор Джонс. Ничего общего с его стилем торговли мое желание не имеет: я довольно рано понял, что не хочу быть дискреционным трейдером. Как раз в то время, когда я читал «Маги рынка», Джонс приехал с докладом в Дарден, высшую бизнес-школу Университета Вирджинии. Тогда он еще не был таким известным.

– Помните ли вы что-то конкретное, значимое для вашего стиля торговли, из его выступлений?

– Помню, насколько уверенным и харизматичным он был, насколько мне понравился, но на этом все. Мне импонировало, что он был выпускником Университета Вирджинии.

– С чего вы начали разработку своей торговой системы?

– После окончания Университета Вирджинии у меня не было собственного компьютера, поэтому я пользовался техникой в инженерной школе. Компьютерный класс представлял собой огромное помещение с очень высокими потолками – не знаю, для чего оно использовалось раньше, – заставленное сотней, если не больше, компьютеров. Я начал изучать модели следования за трендами – было довольно увлекательно, – но решил, что есть уже множество успешных последователей этой системы, и не захотел вступать с ними в конкуренцию. Мне хотелось сделать что-то иное.

– Из нашего разговора очевидно, что у вас была еще одна причина не придерживаться подхода следования за трендом. Это совершенно не в вашем характере. Торговый подход, который по определению вынуждает не отставать от стада, прямо противоположен вашему природному инстинкту. Вам было бы трудно следовать ему, даже если бы он сработал.

– Верно. Моя противоречивая натура восставала против повторения того, что делают другие. Также я считал, что если все сочтут следование за трендом хорошей стратегией, то подход перестанет быть настолько хорошим. Я и не собирался становиться последователем тренда. Это было очевидно. Средний возврат казался мне куда интереснее. Но и он мне не нравился.

– Почему?

– Потому что я нашел кое-что, что работает гораздо лучше. Прямо тогда. Прямо в том компьютерном классе. (Вудрифф произносит это так, что сразу становится ясно, что это был поворотный момент в его жизни.)

– Что вы нашли?

– Я понял, что могу построить третий класс моделей, которые в среднем нейтральны к тренду, то есть не следуют ни за ним, ни против него. Построил пару таких моделей, провел несколько предварительных тестов и пришел к выводу, что этот подход дает множество преимуществ.

От восторга, вызванного открытием этого стиля моделирования – подхода, который до сих пор лежит в основе того, что я делаю сегодня, – я не мог дождаться проведения более обширного тестирования. Чтобы ускорить процесс, я работал на двух компьютерах. Но потом в лаборатории стало тесно, и от одного мне пришлось отказаться. После раздумий я понял, что вечером это место пустует, и подготовил все данные так, чтобы одновременно использовать множество компьютеров. Я очень волновался. Люди начали уходить – и вот у меня стало сначала два, а потом и четыре компьютера! В итоге я метался между 20 машинами, выполнявшими мои бэк-тесты.

– На каждом компьютере вы тестировали систему на каком-то определенном рынке?

– Именно. Настолько сильно разволновался из-за полученных результатов, что работал всю ночь и даже весь следующий день. Все шло так хорошо, что я проработал еще одну ночь. Почти 40 часов подряд я не давал себе заснуть при помощи кофе, который пил каждый час. Тогда я все еще жил на ферме. Возвращение домой стало проблемой: помню, как пару раз чуть не заснул за рулем. Я приехал домой, около трех минут потратил на то, чтобы рассказать отцу, чего добился, и лег спать. Спал я целые сутки, и когда наконец проснулся, то почувствовал себя совершенно другим человеком. Помню, как уже после я прочитал, что во сне нельзя наверстать упущенное, и подумал, что это не так.

– Что произошло дальше?

– Вернулся в компьютерный класс, продолжил работать, но на всю ночь больше не оставался.

– Сделали ли вы другие открытия?

– Я обнаружил, что гораздо лучше одновременно использовать несколько разных моделей, чем хорошую, но одну.

Уже потом, когда у меня случился момент озарения, я сказал маме: «Знаю, ты очень расстроена, что после окончания колледжа я не ходил на собеседования насчет работы, а вместо этого пытаюсь заниматься трейдингом, что, как понимаю, ты считаешь сумасшествием. Но мне хочется, чтобы ты знала: если я добьюсь успеха в том, над чем сейчас работаю, то у меня все получится. Не нужно думать, что я делаю это только ради денег. Самое замечательное в моих нынешних занятиях – это то, что если я буду так хорош в применении прогностического моделирования, то смогу применить тот же подход в науке. Так что я, даже если сильно преуспею, буду не просто трейдером. Чем успешнее я окажусь, тем больше шансов, что мой подход найдет широкое научное применение».

– Ваш подход применялся в науке?

– Я основал фонд под названием Quantitative Foundation (QIF). Долгосрочный план заключается в совершенствовании методологий статистического прогнозирования и программного обеспечения. Я предпочитаю термины «статистическое прогнозирование» или «статистическое обучение» термину «сбор данных»[32]32
  Сбор данных – использование компьютеров для анализа больших объемов данных с целью найти закономерности. Хотя методы интеллектуального анализа данных способны выявить тенденции, которые человек не найдет эмпирическим путем или с помощью предварительных гипотез, случайно или вследствие недостатков анализа они также могут выявить бессмысленные закономерности. При поиске закономерностей в очень большом количестве комбинаций данных о прошлых ценах легко найти множество паттернов, которые хорошо работали в прошлом благодаря случайности, но не имеют предсказательной ценности. Этот распространенный подводный камень при применении интеллектуального анализа данных к ценовым данным – причина того, что применительно к торговым системам этот термин часто имеет негативный оттенок.


[Закрыть], который из-за неправильного использования заслуженно приобрел негативный оттенок. Далеко мы не продвинулись, но мы этого и не планировали, поскольку не создаем программное обеспечение для ученых, а продолжаем зарабатывать на наших преимуществах в этих методах. Мы хотим создавать программное обеспечение, но так, чтобы оно не становилось подарком для конкурентов.

– Вы поставляете программное обеспечение для научных приложений, а другие используют его в качестве инструмента прогнозирования на финансовых рынках. Предположительно, это уменьшит ваше преимущество. Как обойти эту проблему?

– После того как полностью посвятим себя обобщенному программному обеспечению, его разработка займет несколько лет, возможно, пять или больше. Вполне вероятно, что к тому моменту QIM уже будет закрыт. Но это не значит, что будут аннулированы разработанные мною методы прогнозирования. В некотором смысле это, наоборот, подтвердит их эффективность. В конце концов, другие могут обнаружить то же самое, и таким образом вместе мы вытесним неэффективные методы с рынка. Возможно, именно тогда и будет наиболее подходящее время, чтобы предложить прогнозирующее программное обеспечение для более широкого использования. Но сейчас я над этим не работаю. Я даже не приблизился к тому, чтобы получить обобщенное программное обеспечение для прогнозирующего моделирования, которое подошло бы ученым в самых разных дисциплинах и областях. Мы все еще накапливаем запасы. В момент основания в благотворительном фонде имелось $50 млн, сейчас в нем около $100 млн.

– Чем сейчас занимается фонд?

– Как фонд мы ежегодно должны отдавать определенный процент.

– На что он идет?

– Пока мы передавали средства школам и местным благотворительным организациям.

– Таким образом, основной проект фонда – это то, на чем вы сосредоточитесь после закрытия QIM.

– Общая концепция такова, хотя есть интересные сценарии, где проект по предиктивному моделированию работает параллельно с QIM.

– Когда вы только начинали управлять деньгами в рамках программы Blue Ridge, то в первый год в течение трех месяцев и в последующие два полных года ваш баланс был довольно низким. Затем за полгода он вырос более чем на 80 %. Поразительный контраст в результатах деятельности, настолько поразительный, что кажется – в вашем торговом подходе что-то поменялось. Произошли ли серьезные изменения в тот период, и если да, то какие?

– Начинал я с моделей, специфичных для рынка, но в итоге понял, что на деле они сбоят гораздо чаще, поскольку чрезмерно подгоняются под прошлые данные. В 1993 г. ко мне пришло осознание, что чем больше данных я использую для обучения моделей, тем выше их эффективность. Я обнаружил, что использование одних и тех же моделей на нескольких рынках обеспечивает большую надежность подхода. Поэтому главным изменением того периода стал переход от отдельных моделей для каждого рынка к универсальным. Второе изменение заключалось в диверсификации. Начинал я с двух рынков, затем какое-то время торговал на трех, но по мере увеличения активов под моим управлением я добавил в портфель значительно большее количество рынков. Это также помогло улучшить показатели. К 1994 г. я торговал примерно на 20 рынках и больше не использовал модели, ориентированные на конкретный рынок. Вот эти изменения и повлияли на ситуацию.

– Как вы решали, на каком рынке будете торговать, когда занимались только двумя-тремя рынками?

– Это было частью проблемы. Я выбирал те рынки, которые лучше всего выглядели в бэк-тесте.

– Похоже, что тогда вы все же допускали ошибки при подгонке кривых.

– Безусловно. В первые годы при поиске данных я допускал очень серьезные ошибки.

– Была ли система, которую вы стали применять в Blue, ранней версией той, что в итоге появилась в QIM?

– Была похожей, но не настолько сложной и содержала меньшее количество моделей, созданных с помощью гораздо меньших вычислительных мощностей.

– Но концептуально они были похожи?

– Абсолютно. Одно и то же. Как ранняя и поздняя версии.

– Как вам пришла в голову идея создания систем, которые, казалось бы, хорошо работают и при этом не связаны ни с трендом, ни со средним возвратом?

(Вудрифф ищет книгу среди многочисленных томов в своем кабинете и, найдя, заводит о ней разговор. По иронии судьбы, эту книгу он еще не читал.)

– Прежде чем продолжите, повторю вопрос. Как…

– Да-да, я пытался избежать ответа.

– Знаю. (Вудрифф смеется.) Но ответить придется. Частью вашего прорыва стала идея найти универсальные системы, которые отличаются стабильностью на разных рынках. Другой важной составляющей была торговля сразу несколькими системами. Ни один из компонентов не уникален. Вероятно, большинство CTA торгуют несколькими системами, а другие используют на разных рынках одни и те же системы. Две эти составляющие, несомненно, важны, но сами по себе они отнюдь не ключ к успеху. Ваш секрет в концепциях придуманных систем.

– Мне хотелось создать структуру, которая позволила бы опробовать огромное количество комбинаций. Я начал с тысячи, но с годами вычислительная мощность выросла настолько, что дело дошло до триллионов комбинаций. Очень важно было сделать это без чрезмерной подгонки систем к данным, и наконец я нашел способ. Книги о процессе прогнозирующего моделирования предостерегают от «перегрева данных», то есть следует серьезно ограничить количество опробованных комбинаций. Я счел совет глупым, потому что знал, что могу найти способ попробовать любое количество комбинаций и не переусердствовать с данными. Вы ежедневно получаете новые данные вне выборки, и если внимательно отнесетесь к тому, что они сообщают, то действительно чего-то добьетесь. Да, это займет какое-то время. Если вы торгуете системой, а она не оправдывает надежд, ищите ошибки, связанные с превышением ожиданий и ретроспективой. Если вы хотели получить коэффициент Шарпа выше 1, а он вышел меньше 0,3, это означает, что допущена одна или несколько важных ошибок ретроспективы или неправильно оценены торговые затраты. Я использовал данные за год до текущей даты в качестве обучающего набора данных, данные за последний год – в качестве проверочного набора данных, а текущие данные в реальном времени – в качестве тестовых. По сути, рекордный период стал тестовым набором данных.

– С учетом вашего неприятия стадного чувства я понимаю, почему вы ищете метод, который не следует за трендом, но почему вы избегаете подхода, основанного на среднем возврате?

– По той же причине я не стал следовать за трендами: другие делали то же самое. Средний возврат, возможно, подошел бы лучше, чем следование за трендом, но мне хотелось иметь собственный стиль. Мне требовался подход, который соответствовал бы моей личности. Этот очень важный момент я почерпнул в одной из ваших двух первых книг «Маги рынка». Средний возврат отчасти соответствовал моей личности, но о нем уже было известно. Поэтому я искал другие способы пересчета цифр.

– Если не выдавать коммерческой тайны, в чем суть третьего подхода?

– Я пробовал различные комбинации вторичных переменных, которые генерировал из ежедневных данных.

– Можете привести пример того, что имеете в виду под вторичными переменными?

– Показатель волатильности, который представляет собой серию данных, полученную от цены, но не имеющую прямой связи с ее направлением. Идея вторичных переменных принадлежит Биллу Джеймсу.

– Какая связь между тем, что сделал Билл Джеймс с бейсбольной статистикой, и тем, что вы называете вторичными переменными?

– Джеймс брал основные данные и формулировал разные типы статистики, которые были более информативными, а я брал данные о ценах и на их основе определял различные количественные показатели, то есть вторичные переменные, объединив которые можно было получить полезные сигналы рынка.

– Все ли ваши вторичные переменные получены только из ежедневных данных о ценах открытия, максимума, минимума и закрытия?

– Абсолютно. Это все, чем я пользуюсь.

– Никаких других статистических данных, таких как ВНП или любые другие экономические переменные, вы не рассматриваете?

– Если бы мог, то сделал бы и это. Пробовать пробовал, но не сработало.

– Каким образом генерация вторичных переменных дает торговую систему?

– Я объединил различные вторичные переменные в нейтральные к тренду модели.

– Что вы имеете в виду под моделями, нейтральными к тренду?

– Модели, которые не пытаются прогнозировать продолжение или разворот тренда, а предсказывают вероятное направление движения рынка в течение следующих 24 часов.

– Сколько моделей в вашей системе?

– Более тысячи.

– Поскольку их так много, не могли бы вы привести пример всего одной модели, нейтральной к тренду, чтобы я мог лучше понять вашу идею? Полагаю, что это не раскроет значимую часть системы.

– Проблема в том, что у моделей есть общие характеристики. Трудно привести пример, не подвергая опасности нашу интеллектуальную собственность.

– Чем является ваш процесс открытия системы – вопросом обнаружения закономерностей на рынке и последующей проверки их работоспособности или же вопросом выдвижения теоретических гипотез и их дальнейшей проверки?

– Я знаю, что показать. (Вудрифф снова встает, намеревается взять уже другую книгу – на этот раз одну из моих, «Маги фондового рынка». Перелистывает страницы и находит нужное место.) Это действительно ключевой момент. Я бы не стал тратить время, если бы это не было действительно важно. (Пробегает глазами интервью с Дэвидом Шоу, пропускает несколько фрагментов, а затем находит ответ Шоу на мой вопрос, как он определяет, представляет ли рыночная модель реальное, а не случайное явление.)

Чем больше переменных, тем больше статистических артефактов вы можете обнаружить и тем сложнее определить, имеет ли обнаруженная закономерность прогностическую ценность. Мы тщательно следим за тем, чтобы избежать методологических ловушек, связанных с чрезмерной подгонкой данных… Вместо того чтобы слепо искать закономерности в данных – подход, методологические опасности которого широко известны, например, в естественных науках и медицинских исследованиях, – мы обычно начинаем с формулирования гипотезы, основанной на какой-либо структурной теории или качественном понимании рынка, а затем проверяем ее, чтобы увидеть, подтверждается ли она данными.

(С решимостью в голосе.) Я этого не делаю. Все это я прочел только ради того, чтобы понять, что делаю то, чего, по идее, не должен. Это действительно интересное наблюдение, потому что из прочитанного следует, что я должен потерпеть неудачу. Почти все говорят, что к систематической торговле (и к прогнозированию в целом) следует подходить с позиции «вот обоснованная гипотеза, имеющая смысл в контексте рынков». Вместо этого я слепо перебираю данные.

Хорошо, что люди хотят, чтобы гипотезы имели смысл. Но мне казалось, что это очень сдерживает. Я хочу иметь возможность искать по остальным материалам. Хочу автоматизировать процесс. Если вы действительно грамотно поставите задачу с помощью перекрестной проверки, то проблему избыточной подгонки можно решить. Я предположил, что есть шаблоны, которые работают, и предпочел, чтобы компьютер проверил триллионы шаблонов, а не несколько придуманных мною сотен.

Однако есть один этап, который приходится выполнять вручную. Вторичные переменные, используемые для построения моделей ценового прогнозирования, должны иметь смысл. Например, логично, что серии производных от цены данных, такие как волатильность или ускорение цены, способны дать важную информацию. Список вторичных переменных, полученных от цены, – это та часть, которую я составляю вручную. Еще есть основа для комбинирования вторичных переменных во всевозможных сочетаниях, чтобы посмотреть, что работает.

Мне хотелось бы переложить эту задачу на компьютер, но я знаю, насколько важно разобраться с проблемой непредусмотрительности и избыточной подгонки. К слову, я до сих пор пытаюсь проанализировать некоторые из моделей, которые мы разработали, настолько они интересны и удивительны. Что эти модели говорят о психологии рынка? Честно говоря, пока не знаю, что и сказать.

– Вы строите модели, выбирая комбинации вторичных переменных, сформированные из сотен возможных. В зависимости от конкретных ограничений возможны миллионы, если не миллиарды вероятных комбинаций. На первый взгляд, выбор 1000 моделей из такого большого списка очень напоминает процесс добычи данных.

– Сбор данных может быть очень позитивным процессом. Просто большинство тех, кто занимается сбором данных, плохо разбираются в вопросе. Есть несколько вещей, которые можно предпринять, чтобы все получилось. На всех наборах данных это не сработает. Для некоторых наборов данных просто вообще нет возможностей. К счастью для меня, моя интуиция, подсказывавшая, что есть достижимое преимущество в типах моделей, не идущих за трендом или против него, оказалась права. Моя догадка заключалась в том, что в ценовых данных должны возникать другие модели, более сложные, чем следование за трендом.

– Что нужно сделать, чтобы избежать подводных камней при сборе данных?

– Для начала получить представление о том, какая часть видимого преимущества является полностью ложной.

– Как вы это делаете?

– Допустим, вместо того чтобы тренироваться на целевой переменной – изменении цены за последующие сутки, я генерирую случайные числа, имеющие те же характеристики распределения. Я знаю, что все модели, которые обнаружу и которые хорошо тестируются на этих данных, будут на 100 % соответствовать кривой, потому что основываются на заведомо фиктивных данных. Производительность лучшей модели на фиктивных данных обеспечивает базовую линию. Затем нужно придумать модели, которые работают намного лучше базовой линии, но уже на реальных данных. Только разница в производительности между моделями, использующими реальные данные и базовую линию, – показатель ожидаемой эффективности, а не полная производительность моделей в процессе обучения.

– Какие самые грубые ошибки допускаются при сборе данных?

– Многие считают, что все в порядке, потому что используют данные из выборки для обучения и данные из выборки для тестирования[33]33
  Чтобы избежать ошибки непредусмотрительности при разработке торговых систем, доступные прошлые данные разделяются на видимые (то есть в выборке), которые используются для разработки системы, и невидимые (то есть вне выборки), которые используются для тестирования системы. Любые результаты по данным, полученным в выборке, игнорируются, поскольку они являются ретроспективными. Хотя разделение данных и резервирование невидимой части для тестирования – необходимое условие для предотвращения недостоверных результатов, его недостаточно, как объясняет далее Вудрифф.


[Закрыть]. Затем они сортируют модели, основываясь на том, как те показали себя на данных из учебной выборки, и выбирают лучшие из них для тестирования на данных вне выборки. Человеку свойственно брать модели, которые продолжают показывать хорошие результаты на вневыборочных данных, и выбирать их для торговли. Этот тип процесса просто превращает данные вне выборки в часть обучающих данных, поскольку отбираются модели, которые показали лучшие результаты в период вне выборки. Это одна из самых распространенных ошибок и одна из причин, по которой поиск данных в наиболее популярном виде дает ужасные результаты.

– Что же нужно делать?

– Искать закономерности, если все модели вне выборки в среднем продолжают показывать хорошие результаты. Вы понимаете, что работа идет хорошо, если среднее значение для моделей вне выборки составляет значительный процент от результата в выборке. Вообще, если результаты вне выборки составляют более 50 % от результатов в выборке, вы действительно чего-то добились. Бизнес-модель QIM не сработала бы, если бы SAS и IBM создавали отличное программное обеспечение для прогнозирующего моделирования.

– Потому что тогда многие использовали бы это программное обеспечение для финансового моделирования?

– Многие так и поступают, но правильно моделировать с помощью программного обеспечения очень сложно, и поэтому они занимаются сбором данных плохого качества.

– Как думаете, почему вы в одиночку сумели придумать процедуры сбора данных, которые гораздо эффективнее на финансовых рынках, чем программное обеспечение, разработанное вышеназванными крупными корпорациями с огромным количеством докторов наук?

– Потому что коммерческое программное обеспечение больше сосредоточено на проблеме предоставления пользователям возможности работать с большим количеством данных, чем на предоставлении им очень строгих протоколов, чтобы убедиться, что данные не подгоняются по кривой. Люди настолько увлечены созданием и использованием программного обеспечения, которое позволяет им обрабатывать гораздо больше данных, чем когда-либо прежде, что упускают из виду суть правильного выполнения этого процесса. Программное обеспечение не только не помогает пользователю правильно проводить анализ данных, но и уводит его в неверном направлении, поскольку позволяет генерировать фальшивые доказательства в поддержку излюбленных теорий.

– Придаете ли вы такое же значение данным 1980-х гг., как и данным 2000-х гг.?

– Иногда мы придаем большее значение более свежим данным, но удивительно, насколько ценной остается старая информация. Меня удивляет стационарность выявленных нами закономерностей, поскольку я ожидал, что в долгосрочной перспективе прогнозируемые закономерности на рынках будут меняться сильнее.

– Означают ли ваши слова, что модели не стоит бросать, даже если они плохо работают?

– Чтобы отказаться от модели, требуется огромное количество ухудшений. Мы не реагируем на краткосрочные результаты, потому что показатели текущего года любой отдельной модели совершенно не предсказывают показатели следующего. Предсказуемо то, как модель показала себя в течение 31 года. Дополнительные 3 % данных, предоставленные последним годом, погоды не делают.

– Только по фьючерсам активы под вашим управлением достигают $5 млрд. Сложно ли это? Приходится ли вносить изменения, чтобы разместить под управлением настолько большие активы?

– Одно из изменений, которое мы внесли в первые годы и которое значительно расширило наши возможности, заключается в том, чтобы проводить сделки в течение всей торговой сессии, а не только на открытии. Еще одно изменение, которое увеличило наши возможности, состоит в изменении процесса распределения и придании большего веса более ликвидным рынкам. Мы торгуем большей долей фондовых индексов и процентных ставок, чем раньше, и меньшей долей нефинансовых фьючерсных контрактов. Хотя это изменение уменьшило диверсификацию, мы пошли на него, потому что существует четкая закономерность, согласно которой наше преимущество стало бы больше на более ликвидных рынках. Таким образом, помимо увеличения емкости, переход к распределению большей доли на более ликвидные рынки также улучшил показатели.

– Вы определяете размер позиций на каждом рынке на основе относительной ликвидности?

– Мы начали смещать наши весовые коэффициенты в сторону более ликвидных рынков в 2006 г., а около полугода назад перевели весовые коэффициенты риска исключительно на ликвидность. Единственное исключение – S&P, обладающий значительными избыточными мощностями.

Другой важный момент, который необходимо отметить в отношении мощностей, заключается в том, что они не статичны – они сильно меняются в зависимости от изменения объема и волатильности на основных рынках. Мы оцениваем наши текущие возможности в $6–9 млрд, но делаем оговорку, что если волатильность по всем рынкам в среднем снизится на 50 %, то наши возможности сократятся на аналогичную сумму.