Автор от первого лица описывает чем он занимался <конечно, весьма в общем виде>[1] будучи количественным разработчиком в хедж-фонде. Цели, задачи и обязанности. Необходимые базовые требования и навыки. Адаптированный перевод[2] статьи “My Experiences as a Quantitative Developer in a Hedge Fund” ресурса Quantstart.
Содержание:
- Предисловие переводчика
- Введение
- Три главных направления в организации деятельности квантовых фондов
Материал продолжает серию публикаций переводов-рерайтов по различным аспектам алготрейдинга от сайта (03)Quantstart.
В этом цикле смотрите:
- Лучшая операционная система для количественного трейдинга
- Тактическое распределение активов (TAA). Систематический подход
- Систематический трейдинг. Простые или сложные торговые стратегии - что лучше?
- Основы математики для алготрейдера, версия Quantstart. Скаляры, векторы, матрицы и тензоры
- Базы данных для алготрейдинга
Тема знаний и квалификации количественного разработчика непосредственно поднимается в тексте О самообразовании для тех, кто хочет стать количественным разработчиком.
<Изложение - от первого лица>
На этих страницах мне хотелось бы рассказать, чем именно я занимался как разработчик количественной оценки цен (Pricing Quantitative Developer) в одном из хедж-фондов.
Как правило, систематические/количественные хедж-фонды состоят из независимых “узкопрофессиональных (intrapreneurial)” единиц, небольших групп количественных исследователей, разработчиков и трейдеров. Названия должностей начинаются с префикса “количественный (квантовый, quant)”, поскольку все они в значительной степени связаны с математикой. Достаточно глубокие познания математики и алгоритмов - основа профпригодности таких сотрудников.
Три главных направления в организации деятельности квантовых фондов
В количественных фондах есть три ключевых области, которые необходимо реализовать, прежде чем приступать к торговле.
Количественные исследователи и трейдеры разрабатывают алгоритмы на базе временных рядов цен на финансовые инструменты. Получение высококачественной ценовой информации выходит на первый план. Широта данных довольно велика. Их надо извлекать, хранить, очищать и предоставлять в требуемых форматах. Здесь зона ответственности разработчика количественной оценки цен. Я посвящал этому 80% рабочего времени.
На данном этапе проводятся статистическое изучение сведений о ценах и обдумываются торговые возможности. Стратегии хедж-фондов чрезвычайно разнообразны. Систематические фонды предпочитают следование за трендом, возврат к среднему, статистический арбитраж и высокочастотный трейдинг. Действительно успешные методы редко раскрываются, если раскрываются вообще. Это сфера интересов количественного исследователя или трейдера.
После тестирования торговой системы на истории и достижения ею расчетной производительности, “кванты”, курирующие исполнение, должны выстроить процедуры эффективного входа в бумагу и выхода из нее, без больших проскальзываний и/или транзакционных издержек. Следующая цель количественного разработчика - подготовка интерфейса первичному брокеру (Prime Broker) для проведения реальных торгов.
Важный момент - автоматизация управления инвестпортфелем и опция создания моментальных отчетов о его состоянии. На это уходило 20% моего рабочего времени, оставшегося после обработки баз данных.
Конечно, я не буду приводить конкретные алгоритмы, в написании которых принимал участие. Статья не о разглашении торговых стратегий и внутренних методик! Я расскажу о том, что количественный разработчик делает с потоками ценовой информации (пункт 1).
Проходит по четырем направлениям:
- Подключение к источникам данных и, собственно, получение данных.
- Унифицированное хранение информации.
- Очистка данных от ошибок.
- Представление информации количественным исследователям и трейдерам в простом и удобном для использования виде.
Мой фонд преимущественно (но не только) применял в качестве торгового механизма Equity Long/Short стратегию.
Нас интересовали глобальные акции, ключевые государственные облигации, деривативы (фьючерсы и опционы), спотовая и фьючерсная информация по forex, а также ведущие фондовые индексы S&P 500, FTSE 100, VIX и пр. Формат - от EOD (End-Of-Day) и OHLC - Open, High, Low and Close) до десятиминутных таймфреймов.
Первый шаг к созданию подобной базы данных по фининструментам - формирование так называемого “основного списка (ценных бумаг)”, Securities Master List. В нем, как в едином массиве, без дублирования, отражаются все инвестиционные позиции по перечисленным активам. Одна из серьезных проблем состоит в том, что различные источники финансовой информации могут присваивать разные наименования (коды/тикеры) одной и той же бумаги. Здесь нужен дополнительный список соответствий кодов.
Данные о ценах импортировались от платных и бесплатных поставщиков, обычно через программный интерфейс подключения приложений (API), что позволяло поддерживать процесс в непрерывном автоматическом режиме. Мы наладили систему выявления ошибок и сбоев, вызванных отсутствием данных или их ложным несовпадением. Для повышения эффективности использования информации применялись системы управления реляционными базами данных (RDBMS).
После загрузки данных запускались три основных типа сценариев анализа и модификации данных. Первый проверял точное соответствие тикера и цены от различных поставщиков. Второй отсекал необъяснимые экстремальные ценовые отклонения, третий корректировал цены согласно корпоративным действиям (сплит/дробление акций, дивиденды, допэмиссия и пр.). В итоге, мы выдавали поток относительных изменений цен, а не абсолютные значения рыночных котировок.
Обработанные данные через сочетание API и репликации баз данных зашивались в прикладные программные пакеты.
На выходе все полностью автоматизировалось. В числе задач, требующих “ручного” решения оставались только ведение журналов ошибок, смена и добавление источников данных, и настройка API-интерфейсов, генерирующих дополнительные функции.
Помимо выполнения моих прямых обязанностей как разработчика количественной оценки цен, я создавал веб-варианты отчетности, инструменты согласования портфелей и другие “служебные” скрипты.
Все программное обеспечение писалось на смеси Python (80%) и C++ (20%). C++ применялся для ускорения ряда алгоритмов (в частности, при согласовании портфелей), Python - по большей части, для сбора и хранения данных. Мы также активно использовали MatLab и Excel для подготовки и анализа стратегий.
перевод, обработка, комментарии и примечания
В основе изложения статья “My Experiences as a Quantitative Developer in a Hedge Fund”, опубликованная на сайте Quantstart.
Источник изображения на заставке - статья “В хедж-фонды вложили рекордные $3,02 трлн”, Т. Чепкова, Ru.forexmagnates.com, 23.01.2017.
Первоисточниками определений, терминов, понятий, явлений, вводимых по тексту, являются профильные статьи Википедии/Wikipedia, указанные в Списке источников к публикации (для переводов - возможны трактовки автора исходного материала), если не оговорено иное.
- Записью <курсив> обозначены вставки и комментарии переводчика.
- Под адаптированным переводом понимается достаточно точное следование исходному материалу, с возможными отступлениями и пояснениями. Конкретные вещи - формулы, скрипты, графики и пр. (а также авторские комментарии к ним) изложены максимально близко к оригиналу (часто скопированы). Ответственность за их корректность и ясность интерпретации несет автор исходника.
API - Application Programming Interface, программный интерфейс подключения приложений