ИИ + машинное обучение VS индекс S&P500
Много разговоров идёт о том, что управляющие используют технологии машинного обучения и искусственного интеллекта для управления своими портфелями. Но на чём основаны эти технологии? Этот пост посвящен случайности и хаотичности на финансовом рынке и тому, как искусственный интеллект и машинное обучение помогают управлять активами фондов.
Какие хедж-фонды используют технологии машинного обучения и искусственный интеллект?
Citadel, Renaissance Technologies, Bridgewater Associates и Two Sigma Investments. Есть и другие, но конкретно эти являются флагманами.
Что можно сказать об их доходности?
Средняя годовая доходность за 5 лет составляет 30% против 6% в остальных фондах, использующих классический способ инвестирования.
В чём их особенность?
Ядро их бизнеса – вычислительные центры и квантовые департаменты. Их основная цель - создавать рекомендательные системы для управляющих/трейдеров, торговые количественные стратегии, решать задачи риск-менеджмента и ребалансировки портфелей. При создании этих систем они используют технологии ИИ и машинного обучения. Напротив, классические хедж фонды используют преимущественно фундаментальные и технические индикаторы.
Какие данные используются для обучения алгоритмов искусственного интеллекта?
Традиционно используются исторические цены, объемы торгов и данные финансовой отчетности. Но сейчас набирают популярность стратегии, построенные на сентиментном анализе, который изучает настроения инвесторов по заголовкам новостей, репликам аналитиков и заявлениям политических деятелей. Везде, где информация превращается в цифру, есть почва для применения методов прогнозирования или классификации.
На мой взгляд, использование подобных технологий – мейнстрим, что доказывают высокие результаты и прогресс зарубежных фондов в этом направлении. А для нас это вызов и огромное поле для развития.
🔴 Мы построили свою модель управления портфелем на основе методов искусственного интеллекта и машинного обучения. На графике мы сравниваем наши результаты с индексом S&P500.
Вам интересно узнать, каким способом мы получили такой результат? Расскажу, если наберём 500 пальцев вверх ;)
АК, @alfawealth
#БПИФ_Квант
Много разговоров идёт о том, что управляющие используют технологии машинного обучения и искусственного интеллекта для управления своими портфелями. Но на чём основаны эти технологии? Этот пост посвящен случайности и хаотичности на финансовом рынке и тому, как искусственный интеллект и машинное обучение помогают управлять активами фондов.
Какие хедж-фонды используют технологии машинного обучения и искусственный интеллект?
Citadel, Renaissance Technologies, Bridgewater Associates и Two Sigma Investments. Есть и другие, но конкретно эти являются флагманами.
Что можно сказать об их доходности?
Средняя годовая доходность за 5 лет составляет 30% против 6% в остальных фондах, использующих классический способ инвестирования.
В чём их особенность?
Ядро их бизнеса – вычислительные центры и квантовые департаменты. Их основная цель - создавать рекомендательные системы для управляющих/трейдеров, торговые количественные стратегии, решать задачи риск-менеджмента и ребалансировки портфелей. При создании этих систем они используют технологии ИИ и машинного обучения. Напротив, классические хедж фонды используют преимущественно фундаментальные и технические индикаторы.
Какие данные используются для обучения алгоритмов искусственного интеллекта?
Традиционно используются исторические цены, объемы торгов и данные финансовой отчетности. Но сейчас набирают популярность стратегии, построенные на сентиментном анализе, который изучает настроения инвесторов по заголовкам новостей, репликам аналитиков и заявлениям политических деятелей. Везде, где информация превращается в цифру, есть почва для применения методов прогнозирования или классификации.
На мой взгляд, использование подобных технологий – мейнстрим, что доказывают высокие результаты и прогресс зарубежных фондов в этом направлении. А для нас это вызов и огромное поле для развития.
🔴 Мы построили свою модель управления портфелем на основе методов искусственного интеллекта и машинного обучения. На графике мы сравниваем наши результаты с индексом S&P500.
Вам интересно узнать, каким способом мы получили такой результат? Расскажу, если наберём 500 пальцев вверх ;)
АК, @alfawealth
#БПИФ_Квант
Индекс S&P500 + Машинное обучение
Я уже писал о том, как американские управляющие используют машинное обучение в своих стратегиях и обгоняют индекс S&P500 (здесь: https://t.me/alfawealth/154). Ядро их бизнеса – вычислительные центры и квантовые департаменты. В прошлом году мы создали похожий стартап внутри компании – наняли особенных аналитиков, владеющих численными методами прогнозирования финансовых рынков и навыками программирования. Мы называем их квантами.
Их цель – создать стратегию, которая впитает в себя преимущества компьютера и человека, в результате чего сможет обогнать индекс S&P500.
Что мы сделали:
1️⃣ Обратились за первичной консультацией к научным сотрудникам Финансового университета при Правительстве РФ, у которых уже были разработки в области компьютерного моделирования финансовых рынков. Они щедро поделились некоторыми из них, и наши кванты стали их дорабатывать.
2️⃣ 20 портфельных управляющих и аналитиков в нашей компании получили задание проанализировать по 505 графиков акций компаний, входящих в индекс S&P500 (да-да, их 505, а не 500), с 2009 до 2018 год. Каждый должен был отметить на графиках точки начала и конца трендов, которые они смогли распознать. В среднем каждый участник потратил две недели на выполнение задания. У всех получились разные результаты – разное количество трендов, точек разворота.
3️⃣ На основании полученных результатов с помощью методов машинного обучения кванты создали модель, копирующую поведение каждого участника эксперимента. Это одна модель, у которой было 20 пресетов (наборов параметров) – свой для каждого участника. По сути они научили компьютер смотреть на рынок так же, как это делают наши эксперты.
4️⃣ Протестировали все наборы параметров на трёхлетнем периоде с 2015 по 2018 год. Сравнили результаты тестовой торговли и выбрали победителя – модель с оптимальным соотношением доходности к риску.
5️⃣ Мы запустили стратегию в торговлю на реальных деньгах в августе 2018. С тех пор стратегия показала результат, равный индексу S&P 500 (смотрите график).
6️⃣ Кванты каждый месяц обучают модель вновь полученным свежим знаниям о рынке, улучшая таким образом её “зрение”.
Резюмирую.
Что могу сказать? Мне нравится сама идея, её элегантная реализация, но результат не впечатляет, нужно двигаться дальше. Давайте дадим ей время, она себя ещё покажет во всей красе.
#БПИФ_Квант
АК, @alfawealth
Я уже писал о том, как американские управляющие используют машинное обучение в своих стратегиях и обгоняют индекс S&P500 (здесь: https://t.me/alfawealth/154). Ядро их бизнеса – вычислительные центры и квантовые департаменты. В прошлом году мы создали похожий стартап внутри компании – наняли особенных аналитиков, владеющих численными методами прогнозирования финансовых рынков и навыками программирования. Мы называем их квантами.
Их цель – создать стратегию, которая впитает в себя преимущества компьютера и человека, в результате чего сможет обогнать индекс S&P500.
Что мы сделали:
1️⃣ Обратились за первичной консультацией к научным сотрудникам Финансового университета при Правительстве РФ, у которых уже были разработки в области компьютерного моделирования финансовых рынков. Они щедро поделились некоторыми из них, и наши кванты стали их дорабатывать.
2️⃣ 20 портфельных управляющих и аналитиков в нашей компании получили задание проанализировать по 505 графиков акций компаний, входящих в индекс S&P500 (да-да, их 505, а не 500), с 2009 до 2018 год. Каждый должен был отметить на графиках точки начала и конца трендов, которые они смогли распознать. В среднем каждый участник потратил две недели на выполнение задания. У всех получились разные результаты – разное количество трендов, точек разворота.
3️⃣ На основании полученных результатов с помощью методов машинного обучения кванты создали модель, копирующую поведение каждого участника эксперимента. Это одна модель, у которой было 20 пресетов (наборов параметров) – свой для каждого участника. По сути они научили компьютер смотреть на рынок так же, как это делают наши эксперты.
4️⃣ Протестировали все наборы параметров на трёхлетнем периоде с 2015 по 2018 год. Сравнили результаты тестовой торговли и выбрали победителя – модель с оптимальным соотношением доходности к риску.
5️⃣ Мы запустили стратегию в торговлю на реальных деньгах в августе 2018. С тех пор стратегия показала результат, равный индексу S&P 500 (смотрите график).
6️⃣ Кванты каждый месяц обучают модель вновь полученным свежим знаниям о рынке, улучшая таким образом её “зрение”.
Резюмирую.
Что могу сказать? Мне нравится сама идея, её элегантная реализация, но результат не впечатляет, нужно двигаться дальше. Давайте дадим ей время, она себя ещё покажет во всей красе.
#БПИФ_Квант
АК, @alfawealth
📈 Результаты стратегии «Альфа Квант»
Предупреждаю, сейчас будет реклама стратегии. Иногда можно.
Есть у нас одна мудрёная алгоритмическая стратегия, называется «Альфа Квант». В последний раз срез по ней я подводил в июне 2019 года, тогда ничего выдающегося не заметил. Но теперь, кажется, есть повод похвастаться.
Итак, «Квант» обошёл S&P 500 по доходности.
Первый клиент зашёл деньгами в ноябре 2018 года, с тех пор заработал 55% в USD (на дату 6 апреля). Причём результат уже очищен от комиссий УК и частично — от НДФЛ (частично, потому что по всем закрытым сделкам за 2018-2020 годы НДФЛ уплачен, а за 2021 год — ещё нет).
Сравниваю с SPY (на мой взгляд, это самый эффективный ETF на индекс S&P 500). За то же время SPY принёс +47,3% в USD (естественно, до комиссии посредника и до НДФЛ).
То есть обогнали S&P 500 достаточно уверенно, хотя рынок акций США — самый эффективный рынок в мире, и очень немногим управляющим удаётся обогнать его. Что важно, волатильность стратегии была такой же, как у бенчмарка (я проверил). То есть риск стратегии аналогичен риску индекса, а премия в доходности объясняется альфой стратегии, а отнюдь не бОльшим риском.
Как устроена стратегия. Коротко.
Алгоритм на основе методов машинного обучения ежедневно анализирует акции из индекса S&P 500 и сигнализирует управляющему о моментах начала и окончания растущего тренда в отдельных бумагах. Решение по исполнению этих сигналов принимает сам управляющий, учитывая ликвидность, издержки, силу сигнала и другие факторы, влияющие на результат (подробнее тут: https://t.me/alfawealth/208).
Важные заметки:
- в стратегии нет плеча, производных инструментов, внутридневной торговли. Только лонг-позиции. Среднее время удержания бумаги — 30 дней.
- в стратегии 30 бумаг из индекса S&P 500, они постоянно меняются. Бумаги покупаем всегда с равными весами (3,3%). Пришли к выводу, что больше бумаг не приносит улучшения исторического перформанса.
- Волатильность стратегии равна волатильности бенчмарка за 12 мес.
- Алгоритм смотрит на движение бумаг и принимает решение, но есть два предохранителя: 1) если бумага лежит 70 дней в портфеле (и сигнала на продажу нет), то система закрывает позицию; 2) сам управляющий может закрыть позицию, если считает, что тренд закончился.
- Покупки происходят только по сигналам. Если поступает сразу несколько сигналов на покупку, а кеша на все сделки не хватает, то управляющий ориентируется на силу сигнала.
- На волатильном рынке управляющий может игнорировать сигнал на покупку.
👥 Консультация по стратегии
Стратегия очень сложная, но если вы ей заинтересовались и есть желание разобраться, напишите мне на @alfawealth_team, я организую для вас звонок или встречу непосредственно с управляющим, вы сможете задать любые вопросы.
Для входа в стратегию необходим статус квалифицированного инвестора. Минимальный вход $50 тыс.
АК, @alfawealth
#БПИФ_Квант
Предупреждаю, сейчас будет реклама стратегии. Иногда можно.
Есть у нас одна мудрёная алгоритмическая стратегия, называется «Альфа Квант». В последний раз срез по ней я подводил в июне 2019 года, тогда ничего выдающегося не заметил. Но теперь, кажется, есть повод похвастаться.
Итак, «Квант» обошёл S&P 500 по доходности.
Первый клиент зашёл деньгами в ноябре 2018 года, с тех пор заработал 55% в USD (на дату 6 апреля). Причём результат уже очищен от комиссий УК и частично — от НДФЛ (частично, потому что по всем закрытым сделкам за 2018-2020 годы НДФЛ уплачен, а за 2021 год — ещё нет).
Сравниваю с SPY (на мой взгляд, это самый эффективный ETF на индекс S&P 500). За то же время SPY принёс +47,3% в USD (естественно, до комиссии посредника и до НДФЛ).
То есть обогнали S&P 500 достаточно уверенно, хотя рынок акций США — самый эффективный рынок в мире, и очень немногим управляющим удаётся обогнать его. Что важно, волатильность стратегии была такой же, как у бенчмарка (я проверил). То есть риск стратегии аналогичен риску индекса, а премия в доходности объясняется альфой стратегии, а отнюдь не бОльшим риском.
Как устроена стратегия. Коротко.
Алгоритм на основе методов машинного обучения ежедневно анализирует акции из индекса S&P 500 и сигнализирует управляющему о моментах начала и окончания растущего тренда в отдельных бумагах. Решение по исполнению этих сигналов принимает сам управляющий, учитывая ликвидность, издержки, силу сигнала и другие факторы, влияющие на результат (подробнее тут: https://t.me/alfawealth/208).
Важные заметки:
- в стратегии нет плеча, производных инструментов, внутридневной торговли. Только лонг-позиции. Среднее время удержания бумаги — 30 дней.
- в стратегии 30 бумаг из индекса S&P 500, они постоянно меняются. Бумаги покупаем всегда с равными весами (3,3%). Пришли к выводу, что больше бумаг не приносит улучшения исторического перформанса.
- Волатильность стратегии равна волатильности бенчмарка за 12 мес.
- Алгоритм смотрит на движение бумаг и принимает решение, но есть два предохранителя: 1) если бумага лежит 70 дней в портфеле (и сигнала на продажу нет), то система закрывает позицию; 2) сам управляющий может закрыть позицию, если считает, что тренд закончился.
- Покупки происходят только по сигналам. Если поступает сразу несколько сигналов на покупку, а кеша на все сделки не хватает, то управляющий ориентируется на силу сигнала.
- На волатильном рынке управляющий может игнорировать сигнал на покупку.
👥 Консультация по стратегии
Стратегия очень сложная, но если вы ей заинтересовались и есть желание разобраться, напишите мне на @alfawealth_team, я организую для вас звонок или встречу непосредственно с управляющим, вы сможете задать любые вопросы.
Для входа в стратегию необходим статус квалифицированного инвестора. Минимальный вход $50 тыс.
АК, @alfawealth
#БПИФ_Квант
Навигация по каналу
Ниже перечень фондов и стратегий Альфа-Капитал для удобной навигации по каналу.
1️⃣ Открытые фонды
#ПИФ_Ликвидные_акции — акции компаний РФ, RUB
#ПИФ_Ресурсы — акции сырьевых компаний РФ, RUB
#ПИФ_Баланс — акции и облигации компаний РФ, RUB
#ПИФ_Облигации_плюс — облигации компаний РФ, RUB
#ПИФ_Технологии — акции мировых лидеров IT-отрасли, USD
#ПИФ_Глобальный_баланс — акции и евробонды, USD
#ПИФ_Еврооблигации — евробонды, USD
2️⃣ Биржевые фонды
#БПИФ_Управляемые_Российские_Акции — акции компаний РФ, RUB
#БПИФ_Управляемые_облигации — облигации компаний РФ, RUB
#БПИФ_Квант — акции компаний США, USD
#БПИФ_Космос — акции компаний космической отрасли, USD
#БПИФ_Китайские_акции — акции китайских компаний
3️⃣ Фонды недвижимости
Арендный поток — торговая недвижимость
Арендный поток 2 — торговая недвижимость
ЗПИФ_Фастфуд — сети быстрого питания
О фондах недвижимости пишу в канал t.me/street_retail
4️⃣ Стратегии доверительного управления
#ДУ_Глобальные_дивиденды — акции дивидендных аристократов, USD
#ДУ_Высокие_технологии — акции компаний технологического сектора, USD
#ДУ_Облачные_технологии — акции компаний, развивающих облачные технологии, USD
#ДУ_Зеленые_инвестиции — акции компаний-бенефициаров ESG-тренда, USD
#ДУ_Мастербонд — евробонды, USD
#ДУ_Еврооблигации_Доллары — евробонды, USD
#ДУ_Еврооблигации_Евро — евробонды, EUR
*Здесь перечислены не все фонды и стратегии Альфа-Капитал, а лишь те, которые я когда-либо упоминал в канале.
🔴 Лицензии профессионального участника рынка ценных бумаг ООО УК Альфа-Капитал: https://t.me/alfawealth/527
Ниже перечень фондов и стратегий Альфа-Капитал для удобной навигации по каналу.
1️⃣ Открытые фонды
#ПИФ_Ликвидные_акции — акции компаний РФ, RUB
#ПИФ_Ресурсы — акции сырьевых компаний РФ, RUB
#ПИФ_Баланс — акции и облигации компаний РФ, RUB
#ПИФ_Облигации_плюс — облигации компаний РФ, RUB
#ПИФ_Технологии — акции мировых лидеров IT-отрасли, USD
#ПИФ_Глобальный_баланс — акции и евробонды, USD
#ПИФ_Еврооблигации — евробонды, USD
2️⃣ Биржевые фонды
#БПИФ_Управляемые_Российские_Акции — акции компаний РФ, RUB
#БПИФ_Управляемые_облигации — облигации компаний РФ, RUB
#БПИФ_Квант — акции компаний США, USD
#БПИФ_Космос — акции компаний космической отрасли, USD
#БПИФ_Китайские_акции — акции китайских компаний
3️⃣ Фонды недвижимости
Арендный поток — торговая недвижимость
Арендный поток 2 — торговая недвижимость
ЗПИФ_Фастфуд — сети быстрого питания
О фондах недвижимости пишу в канал t.me/street_retail
4️⃣ Стратегии доверительного управления
#ДУ_Глобальные_дивиденды — акции дивидендных аристократов, USD
#ДУ_Высокие_технологии — акции компаний технологического сектора, USD
#ДУ_Облачные_технологии — акции компаний, развивающих облачные технологии, USD
#ДУ_Зеленые_инвестиции — акции компаний-бенефициаров ESG-тренда, USD
#ДУ_Мастербонд — евробонды, USD
#ДУ_Еврооблигации_Доллары — евробонды, USD
#ДУ_Еврооблигации_Евро — евробонды, EUR
*Здесь перечислены не все фонды и стратегии Альфа-Капитал, а лишь те, которые я когда-либо упоминал в канале.
🔴 Лицензии профессионального участника рынка ценных бумаг ООО УК Альфа-Капитал: https://t.me/alfawealth/527