Co jsem se naučil studiem světových fondů

K minulému článku (Petrovy postřehy z cesty k algoritmickým strategiím) jsem dostal několik dotazů týkajících se zmíněného studia světových fondů. Pro dnešní článek jsem tak připravil trochu podrobnější pohled na toto téma. Co jsem si tedy ze studia fondů vzal osobně?

Nejprve proč studovat fondy? Tak zejména v momentě, kdy se chcete pustit do podobné oblasti, ve které působí. Pro mě osobně je to správa větších financí systematickými algoritmy. Fondy koncentrují množství chytrých a extrémně dobře placených traderů a analytiků. Jistě, obchodování fondů je často ovlivněné velikostí spravovaných financí (kdy potřebují na trh umístit ohromné množství kontraktů) a cíleným risk profilem (většinou jsou hodně konzervativní). Ale jinak těžko předpokládat, že by samotný trader vymyslel „lepší taktiky“ než ty, na kterých pracují často stovky quantů. Tedy studium používaných taktik, výkonnosti a technologií je poměrně efektivní cesta, jak se na tomto poli hodně naučit.

Jistě si pokládáte otázku, jak se dostat k know-how, se kterým fondy operují? Předně si musíte odpovědět na to, jaké know-how očekáváte. Pokud hledáte nějaký svatý grál, tak jistě – každý fond bude mít nějakou svoji marketovanou ultra tajnou obchodní „přísadu“, ke které se samozřejmě nikdy nedostaneme. Ovšem podle mého odhadu 80-90 % generovaných zisků tvoří mnohem obecnější principy. A ty studovat lze. Které principy to jsou, záleží na zaměření fondu. Mě osobně zajímají ty zaměřené řekněme na střednědobé strategie (swingové až poziční obchodování). Tedy vůbec se nevěnuji HFT fondům, kde tvoří většinu know-how investice do technologií (ve kterých coby jednotlivec absolutně nemohu konkurovat).

Mimochodem - pokud nevěříte, že drtivá většina zisků fondů je tvořena „běžnými principy“, což je i důvod, proč mají nakonec fondy dost podobnou výkonnost, pak doporučuji přečíst si některé knihy Meba Fabera – například The Ivy Portfolio: How to Invest Like the Top Endowments and Avoid Bear Markets. Autor se sice soustředí na dlouhodobé investice, ale prakticky demonstruje, jak lze až překvapivě snadno kopírovat výkonnost fondů se stejným zaměřením.

Výběr oblasti ke studiu je první krok, který je třeba učinit. Sám se tedy koncentruji především na střednědobé strategie exekuované plně algoritmicky. Z praktických důvodů jsem se soustředil na studium evropských fondů, plus jsem měl možnost se potkat s několika fund managery v Singapore. Jak se potkat s lidmi z fondů? Nejprve jsem si našel fondy, které mě zajímají. Existuje řada přehledů – zde je třeba jeden z hedgefundjournal.com - www.thehedgefundjournal.com/sites/default/files/hfj-europe-50-2013_0.pdf zaměřený na padesátku největších evropských fondů. Fondy zaměstnávají mnoho traderů a quantů a ti se pochopitelně potkávají. Je tak dobré vyrazit na akce, kde se s nimi člověk může potkat a jednoduše s nimi dát třeba pivo na některém z eventů. Akce mohou být nejrůznějšího zaměření. Osobně mám raději ty, na kterých se člověk potká s lidmi z techničtějších vrstev společnosti (nikoliv top management), kteří bývají mnohem sdílnější. Třeba na nedávném EuroPythonu jsem měl možnost trávit čas hned se dvěma quanty (a jejich kolegy více zaměřenými na trading) z fondů zmíněných na prvních 8 místech výše uvedeného seznamu. A podobně to bylo na dalších podobných akcích, kterých se účastním.

A na jakých poznatcích získaných ze studia fondů stavím své vlastní automatizované přístupy?

Jednoduchost. Pochopitelně neznám všechny detaily strategií, které studované fondy používají. Nicméně postupně jsem měl možnost složit si dost jednoznačný obrázek, který vždy směřoval k jedinému – používané strategie jsou skutečně velmi jednoduché (až triviální) a tudíž robustní. Základ tvoří často jednoduchý trendfollowing diverzifikovaný dalšími přístupy, jako je obchodování rozdílných cen mezi futures kontrakty s různou expirací, obchodování volatility, vypisování opcí atd. A když zmiňuji jednoduchý, tak mám na mysli opravdu jednoduchý. Často žádné komplikované indikátory, žádné optimalizované parametry – prostě hrubá funkční strategie aplikovaná na široká portfolia.

Diverzifikace. Na poli obchodních strategií a trhů existují vždy ty, které jsou aktuálně „hot“ a ty, které vypadají jako „mrtvé“. Začínající obchodníci se snaží obchodovat jen ty „hot“, což není v reálu možné, protože co je „hot“ poznáme vesměs až zpětně, kdy se výkonnost bude blížit do fáze "korekce/stagnace". Velcí hráči jedou vesměs vše a nonstop. Jednu dobu pak vydělává přístup A v trhu 1, jindy přístup B v trhu 2.
Tuto možnost máme naštěstí i my, menší obchodníci. Jen je dobré o diverzifikaci přemýšlet. Pro mě je dobrá diverzifikace například v podobě mixování strategií s jiným risk profilem. Například při obchodování trendů budeme mít hodně menších ztrát a občasné větší zisky. Vůči tomu tak stavím strategie například na vypisování opcí, které mívají hodně malých zisků a občasné větší ztráty atd. Tedy hodně podobně, jako to dělají fondy.
Důležitá je i diverzifikace přes trhy. Jelikož své řešení stále vytvářím, je myslím přirozené, že jej zatím obchoduji s menším kapitálem. Proto se hodně zaměřuji na obchodování akcií a ETF´s (a jejich opcí) místo komodit. Řada produktů má podobný vývoj ceny, jen jinou páku.

Přiměřená očekávání. Fondy mohou poskytnout i solidní benchmark o potenciální výkonnosti. Stačí studovat jejich výsledky (těch je na netu celá řada – mají podobu jako tento od Winton Capital, který je jedním z největších evropských fondů zaměřených na systematické obchodování). Jak už jsem zmínil v úvodu, výkonnost fondů je omezena jejich velikostí a menší agresivitou, ale stále poskytují dobré vodítko o tom, jak to v dané oblasti chodí. Těžko lze očekávat, že si člověk postaví mašinu na generování 100% zisku algoritmy s minimálním riskem, byť i takové představy řada začínajících traderů má. Osobně stavím své aktuální automatizovaná portfolia s cílem generovat průměrně 20-30 % ročně.

Robustnost technologií. Zde je myslím často největší know-how fondů. Všichni dobře víme, že při obchodování s pomocí techniky se toho může vždy hodně pokazit. Fondy mají pochopitelně své vlastní platformy a je hezké sledovat, jak otázce různých kontrol věnují možná větší úsilí než vývoji nových algoritmů. Třeba na jedné z přednášek Winton Capital, které jsem se zúčastnil, mě zaujalo, že jejich systémy provádějí každý den backtest všech strategií na všech dostupných datech a výsledky porovnávají s kontrolními součty.
Jakmile se rozhodnete pracovat s většími vlastními diverzifikovanými portfolii, pravděpodobně skončíte u vlastních algoritmů stejně jako já. Samozřejmě, že si pak člověk uvědomuje tu ohromnou výzvu, před kterou stojí. Zde je několik tipů, jak jsem se s mými kolegy zhostil daného úkolu po technické stránce já:
- I coby trader bych měl mít představu o funkčnosti kódu, který používám. Učit se programovací jazyk je náročné, ale těžko lze vést tak náročný projekt bez jakékoliv spoluúčasti. V tomto jsou pro mne motivační setkání s dalšími tradery/neprogramátory z fondů na akcích, kde se řeší hlavně programování, a na kterých je vidět, jak se obory prolínají a že všichni řešíme podobné výzvy.
- Veškerý vytvářený kód nahráváme s kolegou programátorem do verzovacího systému typu git. Toto umožňuje práci na projektu více lidem najednou a je jasné, kdo a co do systému přidal za kód. Je možné vytvářet i testovací větve kódů. Ty otestovat na demoserveru dříve, než se pustí do ostrého live obchodování. Současně se snadno aktualizují všechny servery najednou.
- Jeden kód souží k backtestování i exekucím. Tedy jádro systému nerozlišuje, jestli backtestuje nebo obchoduje živě. Toto opět snižuje šanci na technologické chyby.
- Z počátku je lepší se zaměřit na denní data, která jsou technologicky mnohem méně náročná. Řada fondů úspěšně funguje pouze na tomto (a vyšším) timeframe. Osobně tak zatím vyvíjím strategie s použitím právě denních dat – a to i v případě opčních strategií. I tak člověk řeší řadu technologických výzev…

Shrnutí

Za sebe mohu studium práce fondů jen doporučit. Na začátku je potřeba zaměřit se na určitou užší oblast studia a nacházené materiály na internetu vás následně „samy povedou“. Ve fondech pracuje i řada vědeckých pracovníků, kteří své výzkumy publikují. Ohromná databáze volně přístupných prací je například zde: papers.ssrn.com, ve kterých lze nacházet řadu studií, kterým věnují pozornosti i fondy. Nicméně opravdu bych „obchodní know-how“ nepřeceňoval. Zejména ze začátku je naprosto dostatečné věnovat pozornost těm nejjednodušším přístupům (třeba trendfollowing) a přemýšlet spíše o diverzifikaci a výběru trhů vhodných pro váš obchodní účet a toleranci risku.