Automatický obchodník umí překvapit - 2

V následujícím rozhovoru se podíváme na vývoj systémů pro automatické obchodování na burze. Na naše otázky odpovídá aplikovaný matematik Otto Huřťák, který pro jeden z takových systémů vytváří a testuje matematické modely.

Automatický obchodník umí překvapit


Jak vůbec lze na finančním trhu úspěšně obchodovat, ať už přímo nebo prostřednictvím programu? Často se lze setkat s tvrzeními, podle kterých je pravděpodobnost vzestupu či poklesu v každý okamžik prakticky stejná. O úspěchu investování by pak rozhodovala skutečně pouze náhoda. Má systém pro automatické obchodování větší smysl než systém pro sázení v loterii?
Nejprve trochu teorie. Kvantitativní obchodování se snaží objektivními metodami, statistickými i jinými, odhalit neefektivnosti trhu, které vznikají opakujícími se chybami většiny obchodníků. A tím se dostáváme k poměrně zásadní teoretické otázce, tzv. efektivitě trhů.
Existují obchodníci, většinou dlouhodobí investoři, kteří předpokládají, že trh je tzv. slabě efektivní. Slabá efektivita znamená, že na základě předchozího vývoje cen nelze rozumně předpovědět jejich budoucí vývoj. Tedy pohled, který zmiňujete ve své otázce a který dává finančním trhům do jisté míry charakter loterie.
Takový přístup přirovnává chování burzy k něčemu na způsob náhodné procházky (matematicky lze takové chování modelovat např. pomocí Brownova pohybu). To je ovšem třeba trochu upřesnit: Samozřejmě například víte, že třeba některé finanční instrumenty jsou rizikovější a potenciálně ziskovější než jiné, ale za předpokladu zmíněné slabé efektivnosti stále platí, že míra očekávaného výnosu odpovídá míře rizika. V takovém případě zbývá jen aplikovat nějaký matematický model pro optimalizaci portfolia, který maximalizuje očekávaný výkon při určitém tolerovaném riziku, které si stanovíte.
Na druhé straně jsou obchodníci, kteří věří v „nedokonalost“ trhů a pokoušejí se jejich neefektivnost využít k nadprůměrným výnosům vzhledem k podstoupenému riziku – to je většinou i případ kvantitativního obchodování. Předpokládáte, že ostatní hráči na trhu se dopouštějí nějakých systematických chyb (třeba v důsledku oněch výše zmíněných emocí a stereotypů), pravděpodobnost vzestupu a pádu určité komodity není vždy stejná a na těchto rozdílných pravděpodobnostech můžeme založit ziskovou strategii.
Berte následující příklad jako extrémní nadsázku: Pokud byste třeba zjistil, že bez ohledu na další pohyby statisticky platí, že ceny na nějaké burze jsou vyšší v úterý než v pondělí, měl byste k dispozici rázem velmi nadějnou strategii, která by se dlouhodobě vyplatila. Váš systém by pak byl naprogramován prostě tak, aby v pondělí více či méně náhodně nakupoval a v úterý prodával. A nějak podobně, i když s daleko složitějšími strategiemi, fungují všechny systémy pro automatické obchodování.
Z toho, že se zabývám kvantitativním obchodováním, už asi tušíte, že jsem přesvědčen, že trhy nejsou tak docela efektivní a že skutečně existují cesty, jak na trhu dosahovat nadprůměrných výnosů nikoliv náhodně, ale aplikací určitého matematického modelu.

Když takový systém/model vyvíjíte, na jaké problémy můžete narazit?
Především jde o to, že neexistuje něco jako ta pravá „podstata chování burzy“. To, co můžeme vytvořit, je více či méně věrné přiblížení realitě – její model. Váš systém tedy funguje podle nějakého modelu a vy musíte neustále zkoumat, zda ten model dostatečně odpovídá skutečnému chování trhu, zda dává správné předpovědi a v posledku i finanční výsledky. Je jasné, že ačkoliv je vývoj modelu sám o sobě velice zajímavým problémem, nakonec od vás ostatní očekávají právě ty výsledky.
Řekl bych, že přitom může snadno dojít k něčemu podobnému jako u lidí, kteří na finančních trzích obchodují přímo: často máte tendenci přičítat úspěchy kvalitě své práce a neúspěchy svádět na náhodu, nebo je prostě ignorovat. To si tvůrce obchodního systému nemůže dovolit a musí neustále projevovat zdravou skepsi. Přesně tak, jako jsou dobří vědci skeptičtí ke svým teoriím a mají na zřeteli, že dokonalý model či teorie je iluzí.
Iluze a sebeklam jsou při obchodování velmi časté. I nositelé Nobelových cen mohou na finančních trzích snadno dojít ke katastrofě. Poučný je třeba příběh společnosti LTCM z 90. let minulého století. Mezi jejími zakladateli byli i nositelé Nobelovy ceny za ekonomii z roku 1997 Robert C. Merton a Myron S. Scholes, kteří měli obrovský přínos pro teorii financí v oblasti oceňování derivátů. Fondy této společnosti velmi prosperovaly v letech 1994-1998. Při finanční krizi v srpnu 1998 vyvolané krachem ruských státních dluhopisů se ovšem trhy začaly chovat poněkud odlišně, než jak bylo možné statisticky pozorovat na historických datech. Ukázalo se, že původně použitý matematický model opomněl jistá rizika. Fondy zaznamenaly obrovské ztráty a společnost LTCM je dnes již minulostí.

Možná trochu obecnější otázka: Jaké konkrétní znalosti a dovednosti aplikovaného matematika jsou na finančních trzích nejvíce žádány? Nemyslím tím jenom vývoj systémů pro automatické obchodování...
Finanční trhy jako speciální oblast ekonomické vědy nabízejí obrovské příležitosti k aplikaci různých matematických metod – od klasických statistických až třeba po metody umělé inteligence, jako jsou neuronové sítě či expertní systémy. V případě kvantitativního obchodování se uplatní i znalosti týkající se práce s databázemi – je třeba efektivně zpracovávat obrovské množství dat v reálném čase. Dále je nutno vybrat a naprogramovat algoritmy pro řešení konkrétních problémů. Přitom se často narazí třeba na problémy diskrétní matematiky, jejichž výpočetní čas roste exponenciálně s velikostí vstupních dat (z hlediska teoretické informatiky se často jedná o tzv. NP problémy). Je třeba neustále uvažovat o přijatelném zjednodušení modelu, různě improvizovat, kontrolovat výpočetní čas, hledat přibližné metody pro optimalizaci, jako jsou třeba genetické algoritmy apod. A často ovšem, tak jako všude, nezbývá než vypomoci si i prostým selským rozumem...

Tady vám lze jenom popřát, aby programy pro automatické obchodování nad svými lidskými protihráči brzy začaly triumfovat právě podobně, jako k tomu už došlo ve světě šachových programů. Do té doby ale ještě dejme trochu naděje vědcům, kteří by si rádi prací v oblasti finančnictví zvedli životní úroveň. Jakému typu vědců se zde daří?
Zdá se, že v této oblasti nalezlo uplatnění daleko více fyziků (samozřejmě z dobrým matematickým zázemím) nebo aplikovaných matematiků než matematiků čistých. Čistí matematici často nejsou příliš motivováni při formulování problémů z reálného světa a při interpretaci výsledků. Řekl bych, alespoň na základě vlastních zkušeností, že jim někdy chybí jistá empirická posedlost.
Problém je podle mého názoru v tom, že z hlediska filozofie matematiky dnes většina matematiků více či méně zastává tzv. matematický platonismus. Podle něho všechny objekty zkoumané matematikou existují v ideální podobě v nějakém platónském světě. Čistý matematik zkoumá tento ideální svět a jen nerad je otravován vazbou na svět empirický.

Nakonec, co vás jako matematika na fungování finančních trhů zaujalo i mimo vlastní práci?
Stručně řečeno – široké možnosti uplatnění matematického modelování, analogicky jako v jiných vědeckých oborech. Matematizace v ekonomii sice probíhala pomaleji než třeba ve fyzice, dnes je již ale realitou; nakonec i čistí matematici dnes dostávají Nobelovy ceny často právě za ekonomii – třeba John Nash ji dostal za aplikaci teorie her v ekonomii.
Když se omezím na finanční trhy: Už jsme se dostali k paralelám mezi chování burzy a Brownovým pohybem, což je primárně fyzikální jev. Na finančních trzích můžeme pozorovat i jevy podobné turbulenci ve fyzice, náhlé katastrofy a nakonec třeba i efekt motýlích křídel známý z teorie chaosu. Dochází k němu například při takzvaných bublinách, kdy nějaký trh dlouhodobě roste. Každý si je vědom, že trh je přehřátý (tj. ceny jsou nadhodnocené), ale věří, že právě on se ještě kousíček sveze na vlně optimismu. Pak stačí nějaká malá událost, nepatrný zbrklý výprodej na úplně okrajovém segmentu trhu, a panika v podobě krutých výprodejů se jako sněhová lavina bleskově rozšíří po celém finančním systému.
Na finančních trzích můžeme pozorovat i tak vděčný a esteticky působivý jev, jako je fraktální struktura. Finanční trhy nakonec z tohoto pohledu studoval i duchovní otec fraktálních množin Benoit Mandelbrot. Zadíváme-li se na graf vývoje ceny nějakého finančního instrumentu s měsíčními údaji či na nějaký kratší časový úsek s denními údaji, anebo ještě podrobněji třeba s minutovými údaji, křivka má vždy prakticky stejný křivolatý charakter: podobný tvar nezávislý na tom, jak detailně (v jakém měřítku) křivku pozorujeme. Jde proto o typický fraktální útvar. Pokud by byla tato křivka spojitá (obchodovalo by se každý možný časový okamžik), byla by nekonečná i v každém omezeném časovém intervalu – přesně jako fraktální křivky...








Komentáře