Интервью с трейдером: Морган Слэйд

Интервью с трейдером: Морган Слэйд

Морган Слэйд глава компании CloudQuant. Его карьера трейдера и управляющего началась 20 лет назад. С тех пор он работал во многих инвестиционных фирмах, таких как Millburn Ridgefield, Merrill Lynch, Citadel, Allston Trading. В данном интервью Морган расскажет о некотрых принципах его работы, а также объяснит, как машинное обучение можно и нужно использовать при трейдинге, повышая рабочую эффективность.

Аарон Файфилд (Aaron Fifield): Морган, привет! Добро пожаловать! Сперва расскажите нам о своем опыте — с чего все начиналось и как вы начали заниматься трейдингом?

Морган Слэйд (Morgan Slade): Привет! Изначально я учился на инженера — закончил Массачусетский технологический институт (MIT) в Бостоне. В то время многие однокурсники подрабатывали или проходили практики в инвестиционных компаниях Чикаго. Таким образом и я познакомился с трейдингом, после чего начал подробно изучать данную сферу.

Я перебрался в Нью-Йорк, где попал в один из хедж-фондом в роли стажера. Это был рассвет алгоритмической эры на Уолл-стрит, в связи с чем меня, как инженера, сперва обучали методам роботизации торговых стратегий, и только во вторую очередь самому трейдингу, что довольно парадоксально.

Так начался мой более чем 20-ти летний путь как алгоритмического трейдера. Я изучал и продолжаю изучать все, что с этим связано. Использую машинное обучение и техники, близкие к данному методу. Торгую абсолютно все: акциифорекс, фьючерсы, опционы.

АФ: Какие уроки вам удалось извлечь из первых лет вашего опыта на Уолл-стрит в качестве алгоритмического трейдера?

МС: Изначально мне потребовалось некоторое время, чтобы отвыкнуть от дискреционного трейдинга и начать работать системно. К тому же я должен был привыкать к издержкам и комиссиям. Мы управляли портфелями на сотни миллионов долларов, наша минимальная позиция могла составлять несколько десятков миллионов, в связи с этим вопрос комиссий был крайне важен. Торговля с такими позициями так или иначе могла повлиять на финансовый инструмент, что было неприемлемо.

Я усвоил очень многое — как функционирует рынок, где и как стоит открывать позиции, как не поддаваться различным заблуждениям, а также осваивал и генерировал новые и новые стратегии.

АФ: Думаю, всем было бы любопытно узнать более подробно о том, как вы открывали и закрывали крупные позиции — мета-ордера. Расскажите об этом, пожалуйста.

МС: Прежде всего мы старались не повлиять своими позициями на рынок и не изменить среднюю цену. Для этого нам приходилось искать наиболее оптимальные места для входа. Это могло занимать от нескольких дней до нескольких недель. Такими же методами мы настраивали свои алгоритмы.

Торговый алгоритм

Нужно отметить, что у нас были специальные договоренности с брокерами, которые хоть и брали с нас не самые низкие комиссии, тем не менее отлично выполняли свои задачи по обеспечению наших позиций. Порой приходилось звонить им сотни раз в день, чтобы сформировать точный вход с минимальными издержками.

В общем, процесс довольно утомительный, но это было частью нашей работы.

АФ: Отлично, спасибо. Теперь хотелось бы поговорить о стратегиях, а именно, — как вы их выявляете, тестируете и принимаете в работу?

МС: Выявление стратегии — длинный и порой выматывающий путь.

Ты вкладываешься, подбираешь идею, конструируешь стратегию, оптимизируешь риски, а бэктест не проявляет ожидаемых результатов. Но такова правда, такова часть работы. Рынки в большей мере эффективны, в связи с этим поиск неэффективностей — особая задача.

При оптимизации стратегий мы акцентируем внимание, конечно же, на соотношение риска к прибыли. Это один из самых значимых факторов при любой стратегии. Также учитываем коэффициент Шарпа, анализируем визуальное поведение кривой доходности. Если определенные критерии нас устраивают — переводим систему в демо отработку.

Стоит отметить важный аспект, что мы стараемся не акцентировать свое внимание на процентном соотношении прибыльных сделок к убыточным. Конечно, всегда приятней наблюдать за стратегиями, где прибыльных трейдов 70% и больше, но это не главное. Иногда стратегии с 30%-ю положительными сделками могут приносить доход. Все зависит от коэффициента риска к прибыли.

АФ: Какие временны́е периоды преимущественно используются в ваших стратегиях?

МС: Это могут быть как сделки внутри дня, так и сделки продолжительностью 5-10 дней. HFT стратегии мы не используем.

Быки и медведи

АФ: Хорошо. Что вы можете рассказать о стоп-лоссах? Как вы выбираете для них оптимальный уровень, и используете ли вы их вообще в своих стратегиях?

МС: Они помогают мне в некоторых разворотных стратегиях, но в целом, благодаря машинному обучению, алгоритм сам помогает понять, есть ли потенциал у моей стратегии, либо же потенциала нет, и сделку можно закрывать. В дискреционном трейдинге их использование более актуально и позволяет не совершать огромных денежных ошибок. При алгоритмическом же трейдинге эту роль можно доверить компьютеру, который сам будет решать жизнестойкость позиции.

АФ: Давайте поговорим о машинном обучении. При этом постараемся сильно не углубляться в математику, но тем не менее хотелось бы, чтобы наши читатели подробнее изучили данный аспект со стороны трейдинга.

МС: Машинное обучение (МА) — конструктор статистической модели, который применим в любой отрасли, где есть статистика. В трейдинге практически все заключено на статистике и вероятности, в связи с этим использование МА позволяет более точно определять и создавать различные механизмы.

Хоть машинное обучение и требует знаний программирования, тем не менее этому может обучиться практически любой. Должен сказать, что некоторе наши коды, которые мы пишем на языке Python, не составляют больше 20-30 строк — многие из них написать довольно быстро и просто. Гораздо сложнее сформулировать идею, сформулировать алгоритм поведения — для таких целей уже могут понадобиться профессиональные ресурсы.

Мы живем в золотом веке технологий и больших данных. Сегодня существует множество инструментов, которые способны упростить повседневную жизнь. Машинное обучение — один из тех инструментов, который упрощает жизнь трейдера. Нет, Грааля с помощью МА вы не найдете, но вы ускорите свой процесс развития как профессионала в сотни, а то и в тысячи раз.

АФ: Есть ли среди ваших знакомых или коллег те, кто обучился с нуля машинному обучению?

МС: Да, у меня есть один приятель-трейдер, который не имея навыков программирования, за 6 месяцев прошел курс МА, а в следующие два месяца уже смог написать незамысловатую систему, которая помогала ему отделять хорошие трейды от плохих, тем самым повысив эффективность своей дискреционной стратегии. Уверен, таких примеров много, что еще раз подтверждает, что не стоит смотреть на машинное обучение как на нечто отдаленное и сложное.

АФ: Машинное обучение позволяет добавлять некоторую уникальность в торговые стратегии, тем самым делая ваши системы более системными, в отличии от дискреционных подходов. Хотелось бы узнать, как вы формируете уникальные аспекты вашей ТС — самостоятельно, либо вы доверяете это алгоритму за счет перебора параметров?

МС: Что-то приходит идейно, а где-то мы доверяем алгоритму. Здесь нет четкой грани, мы стараемся оптимизировать как можно больше различных идей и параметров.

Конечно, как алгоритмический трейдер, я стараюсь бóльшую часть своей работы доверять МА. Тем не менее, прежде чем сформировать задачу для робота, ее нужно сформировать у себя в голове. Есть некоторые механизмы, которые помогают “конструировать” мысли, но без карандаша и листа бумаги вряд ли что-то получится.

АФ: Хорошо, на этом будем заканчивать. Спасибо вам за интервью и удачи!

МС: Спасибо вам. До встречи.


Оригинал интервью: ChatWithTraders.com

Перевод: Павел Овсянников

Scroll Up