Koncepcja algorytmiczna zakłada, że rynek można systematycznie pokonać tylko poprzez ścisłe stosowanie reguł zapisanych w formie formuły / modelu / algorytmu. Najważniejszą cechą funduszy algorytmicznych jest zastąpienie czynnika ludzkiego „Zimnym komputerem”. Przykładem funduszu opartego na wykorzystaniu algorytmów jako podstawy do zawierania transakcji jest Investor Algorytmic FIZ. Obecnie istnieje wiele funduszy opartych na algorytmach powszechnie stosowanych na rynku forex (zobacz: Roboty).
Polscy inwestorzy mają kilka negatywnych doświadczeń z funduszami algorytmicznymi
Za granicą znajdziemy wiele przykładów funduszy zarządzanych przez automaty sprzedające i kupujące instrumenty finansowe, które działały pięknie. Ale po co tak daleko? Na naszym rynku były też takie przypadki.
Maszyna nie ma emocji, ale ma inne słabości
Szukaliśmy odpowiedzi na to pytanie i natrafiliśmy na prezentację „7 powodów, dla których fundusze uczące się nie powiodły się w 7 przypadkach”: Marcos López de Prado (link jest zewnętrzny). Kto to jest? Jest dyrektorem zarządzającym Guggenheim Partners, firmy zarządzającej aktywami o wartości 290 miliardów USD. Autor pracuje również w Lawrence Berkeley National Laboratory. Gość ma 20 lat kariery na rynkach finansowych, w tym w Tudor Investment, Peak6 Futures i Citadel Investment Group. Materiał jest skrótem książki przygotowanej na luty 2018 r. (Link jest zewnętrzny) zatytułowanej „Postępy w uczeniu się maszyn finansowych”.
Marcos López de Prado wymienił w prezentacji siedem głównych powodów, dla których fundusze oparte na inteligentnych technologiach bardzo często zawodzą. Przypominamy te, które wydawały się nam najważniejsze poniżej:
Syndrom Syzyfa
Stworzenie skutecznej strategii inwestycyjnej wymaga setek godzin pracy (opracowanie koncepcji, zbieranie danych, testowanie wsteczne), odpowiedniej infrastruktury, a przede wszystkim … pracy zespołowej wielu ekspertów – przekonuje Marcos López de Prado.
Tymczasem większość funduszy zatrudnia jednego lub co najwyżej kilku ekspertów do stworzenia strategii dla funduszu kwantowego.
– Nawet jeśli firma inwestycyjna wspiera naukowca lub kierownika w pisaniu strategii dla zautomatyzowanego funduszu, staje się kimś takim, jak pracownik fabryki samochodów, który musi sam złożyć samochód. Pewnego tygodnia musi być mechanikiem, innym elektrykiem, kolejnym malarzem i tak dalej. Opracowanie strategii inwestycyjnej samodzielnie lub w małej grupie jest daremnym wysiłkiem. To praca syzyfowa ”, mówi dyrektor zarządzający Guggenheim Partners.
Problem z pamięcią
W rzeczywistości każda zautomatyzowana strategia inwestycyjna opiera się na pamięci o przeszłych cenach i trendach. Problem polega na tym, że takie dane zwykle nie są porównywalne lub nie odpowiadają obecnym warunkom rynkowym. Rzeczywistość się zmienia, prawda? – zauważa López de Prado.
Nieefektywne pobieranie danych
Urządzenie nie może wybrać informacji zgodnie z ich znaczeniem. Jest ustawiony na regularne pobieranie danych. To sprawia, że jego metodologia gromadzenia danych z rynku jest nieefektywna.
Brak analizy danych na bieżąco
Strategie są tworzone na podstawie gromadzenia danych (informacji) i wyciągania na ich podstawie wniosków. Problem polega na tym, że dane (informacje) pochodzą z wielu różnych (długich) okresów i nie są analizowane na bieżąco, więc nie jest pewne, co spowodowało pojawienie się takich, a nie innych danych (informacji). Dlatego każda strategia oparta na historii jest wadliwa.
Złudzenie weryfikacji historycznej
W testach danych historycznych, które mają wykazać skuteczność strategii – wszystko prawie zawsze idzie dobrze. Problem polega na tym, że kiedy prowadzisz strategię, oczekiwania zwykle nie odpowiadają rzeczywistości. W swojej prezentacji Marcos López de Prado wymienia kilka powodów, dla których tak się dzieje.
Podsumowanie
Ponownie oddajmy głos panu Marcosowi Lópezowi de Prado: „Mój mały pies, Luna, rozpoznaje twarze. Podobnie jak istniejące maszyny, z których Google i Facebook zaczynają korzystać. Czy to oznacza, że Luna mogłaby poradzić sobie z inwestowaniem w rynek finansowy? Wątpię. Wątpię również, czy maszyny z tagiem Google sobie z tym poradzą. Niemożliwe jest „połączenie” strategii z mechanizmem uczenia maszynowego i generowanie zysków na zasadzie plug & play ”.
