Мислити фінансовими моделями: Хто такі кванти і як ними стати (переклад)

Anonim

Редактор блогу Turing Finance і, за сумісництвом, фінансовий аналітик хедж-фонду Стюарт Рід опублікував практичне керівництво для тих, хто бачить своє майбутнє на фінансовому ринку, виходячи зі свого досвіду роботи в професії. Він обіцяє розповісти не про те, як стати квантом, а як бути їм в будь-якому з секторів фінансової індустрії, в якому ви зараз працюєте. На його думку, це навіть не питання вишколу, але, скоріше, питання ідеології. Представляємо вашій увазі адаптований переклад цього матеріалу.

Кількісні методи або кількісний аналіз в індустрії фінансів - це наука, але ніяк не професія, вважає Рід. Це означає, що знання того, як стати квантом нічого не додає до вашим умінням. Потрібно знати, як бути їм. У другому випадку ми говоримо про принципи і ідеології, що лежить в основі кількісного аналізу. У першому варіанті - мова про те, щоб виявляти якісь практичні активності, щоб отримати роботу, де в описі варто слово "квант".

На базовому рівні бути квантом - ще не означає вміння виводити витончені формули для оцінки можливостей дивиною стохастичною моделі. Це ще не означає створювати, навчати і тестувати стратегії трейдингу, що використовують модель статистичної регресії. Бути квантом - значить, вірити, що наукові моделі годяться для загального аналізу фінансових ринків.

Подібна ідеологія набрала вагу при оцінці деривативів, потім перейшла на ризик-менеджмент, управління активами і біржову торгівлю. Ймовірно, в найближче десятиліття ми зможемо спостерігати поширення цього підходу в сфері корпоративних фінансів, в венчурних і банківських інвестиціях.

Філософія науки

На останньому курсі з комп'ютерних наук автор разом з іншими студентами витратив рік на створення модуля під назвою "методології дослідження". В його основі лежали два підручника: "Філософія науки: від проблем до теорії" і "Філософія науки: від пояснення до обгрунтування". Обидві написані Маріо Бунге. Незважаючи на всі спроби викладача зробити цей предмет нудним, наскільки це можливо, автору подобалося вивчати філософію. Багато ідей модуля виявилися затребувані в подальшій практиці.

Власне, сам предмет "філософія науки" оповідає про логічних підставах, методах і висновках науки. Простіше кажучи, він намагається відповісти на питання: що таке наука? Як це працює? Які межі наукового знання? В історії було дано безліч відповідей на ці питання. Нерідко протилежних. Їх можна звести до кількох напрямках: реалізм, емпіризм, інструменталізму і індукція, логічний позитивізм та фальсифицируемость.

Реалізм проти емпіризму

Реалізм впевнений в тому, що наука займається в своїх дослідженнях реальним світом, а не тієї його конструкцією, яка дана лише у відчуттях. Навпаки, емпіризм, виходить з положення про те, що все, що ми знаємо, ми знаємо через органи чуття. Значить, наше знання є тимчасовим і обмеженим.

Головним аргументом на користь реалізму може стати точність наукових теорій. Якщо ми маємо теорію досить точну, щоб з її допомогою бути здатними передбачати майбутнє стан системи, значить, ми описуємо реальний світ. Більшою мірою це справедливо для фізичних наук. У фінансовому світі будь-яка теорія буде обмеженою у своїх можливостях передбачення і підпорядкованої спотворень.

Дедукція, індукція і абдукція

У філософії науки ми розрізняємо кілька форм логічних міркувань.

  • Дедукція означає виведення умовиводи, виходячи з однієї або більше передумов, до одного несуперечливого висновку. Її часто використовують в математиці і формальних методах комп'ютерних наук.
  • Абдукція - це кілька спрощена форма дедукції, яка стверджує, що, отримані через останню укладення, можуть не бути істинними за потребою. Але, в будь-якому випадку, це краще, що ми можемо зробити, грунтуючись на наявних даних і передумови.
  • Індукція робить висновки на базі однієї або більше сильних посилок, які є свідченнями і спостереженнях, щоб отримати вірогідну істину, яку можна перевірити методом фальсифікації.

Недолік останнього методу полягає в тому, що будь-які висновки тут будуть ненадійні. Це можна продемонструвати на добре відомому прикладі з чорним лебедем. Поки все лебеді, які трапляються нам на шляху, будуть білі, ми можемо керуватися твердженням "всі лебеді - білі". Перший же чорний лебідь, поява якого модель передбачити не може, спростує цю істину. Більш детально цей приклад розглядає в своїх працях Нассим Талеб.

Кількісні теорії ринку побудовані на індукції через емпіричні спостереження. Подібні теорії легко спростовуються при наявності суперечать один одному даних. Вони можуть бути стрункими на папері, але на практиці частіше за все є предметом віри своїх прихильників, які не беруть факти, які не вписуються в модель.

Читач, напевно, вже задається питанням, як філософія науки допомагає стати квантом? Її ідеологія важлива для розуміння обмежень можливостей нашого знання про фінансові ринки. Як би глибоко фінансові теорії не були вкорінені в емпіричних даних, які не здавалися непогрішимими, вони тендітні за своєю природою. До них відносяться всі популярні передумови кількісних моделей: повернення нормального розподілу, лінійність, стаціонарність, гіпотези випадкових блукань і ефективності ринку.

Науковий метод

Науковий метод допомагає зробити мислення більш чітким і суворим і збільшити тестованих моделі і проверяемость, що лежать в її основі гіпотез.

Науковий метод - це безперервний процес, що включає систематичні спостереження, кількісні виміри, експеримент, отримання гіпотез, перевірку гіпотез і їх вдосконалення. Автор пропонує пройти весь шлях наукового методу на прикладі теорії випадкових блукань.

Спостереження

В контексті фінансових ринків ми зазвичай витягаємо корисну інформацію з книг, статей, засобів масової інформації та навіть іноді, почитували хороші (або не дуже) блоги на задану тематику. Що ми в них знаходимо? У багатьох академічних виданнях є твердження про те, що ринок поводиться випадковим чином, в ньому діють стохастичні процеси.

Тут важливо почати задавати питання. Перші питання, які допоможуть нам якось оцінити дане припущення можуть бути найпростішими: хто, що, коли і навіщо? Спробуємо подивитися з цієї точки зору на гіпотезу випадкових блукань.

  1. До кого, в термінах ринку, може бути застосована дана теорія? Чи всі ринки поводяться однаково випадковим чином? Як випадковість співвідноситься з ліквідністю і іншими параметрами відносної ефективності?
  2. Що, які сили, роблять ринок випадковим? Чи дійсно до випадковості призводить ефективність? Якщо ринок випадковий, тоді немає сенсу його агентам на ньому конкурувати. Тобто, якщо прибрати ефективність, чи залишиться ринок випадковим?
  3. Де ринок є випадковим? Якщо є в світі місця, де він трохи менше випадковий, наприклад, в країнах, що розвиваються? Якщо, так, то, що можна сказати про відмінності в динаміці цього процесу?
  4. Коли ринки стають випадковими? Тобто чи випадкові вони протягом усього часу або перериваються режимами, де випадковість відсутня? Якщо це так, чи означає це, що в такі моменти стає можливим отримувати вигоду з такого стану?
  5. Чому ринки випадкові? Які процеси і сили утримують їх в стані випадковості?
  6. Як можна виміряти ефективність ринку і перевірити гіпотезу випадкового блукання? Чи можемо ми імітувати ефективну економіку, використовуючи модель базового агента, і перевірити, чи є механізм розкриття ціни випадковим?

На частину цих питань хтось колись вже виніс відповідь. Тому критично важливо бути в курсі попередніх досліджень. Після формулювання своїх власних питань і читання літератури по темі, в голові почнуть виникати грамотні і правильні ідеї, які в підсумку повинні скластися в перевіряється наукову гіпотезу.

Формування гіпотези

Гіпотеза - це декларативне твердження, яке обгрунтовує взаємини між набором змінних. Хороша гіпотеза повинна бути лаконічна, перевіряється, що враховує весь попередній накопичений досвід досліджень. Візьмемо, для прикладу, такі цікаві ідею, яку надіслав автору один з постійних читачів його блогу.

Повернення ринку демонструють випадковість, оскільки ринок здатний швидко адаптуватися, щоб позбутися від будь-яких слабких місць.

Думка гарна. Але сама по собі гіпотеза так собі. Багато терміни не визначені, занадто багато всього намішано в одну купу, і її не так-то просто перевірити. Спробуємо розбити цю гіпотезу на кілька окремих.

Гіпотеза 1 Рухи ринку (вгору або вниз) не відрізняються від бінарних випадкових послідовностей Мартіна-Лёфа.

Розбір автором гіпотези випадкового блукання, привів його до висновку, що ринок не є випадковим, по крайней мере, в таких жорстких термінах. Слідом за цим з'являється безліч інших питань, які потребують додаткових досліджень. Отже, цю нову гіпотезу можна розбити ще на дві частини.

Гіпотеза 2 Ефективність ринку, тимчасова доступність всім учасникам будь-якої інформації, змушує ринок розвиватися випадково.

В одному з наступних матеріалів автор обіцяє розповісти, як перевірити цю гіпотезу на істинність. Поки ж, тим, хто цікавиться, можна почитати дві статті на цю тему: "Неприйняття ризику і мартінгальное властивість ринкових цін", Ле Рой, 1973 рік, і "Ціни на активи в економіці обміну", Лукас, 1978 рік. (За посиланням обидва матеріали чомусь недоступні - прим. Перекладача). У них дослідники намагаються з'ясувати, як впливає доступ до інформації раціональних агентів ринку на випадковий розподіл цін. У загальних рисах висновок такий: вільний доступ до даних може вести до випадкового руху ринку, а може і не вести. Тобто ефективність ще не означає випадковість.

Далі все це нас приводить до третьої гіпотези, яку досліджують відносно рідко, через те, що її складно перевірити.

Гіпотеза 3 Незалежно від того, чи розвивається ринок випадково чи ні, всі можливості заробити на ньому вимиваються занадто швидко, щоб інвестори встигли побудувати постійну ефективну стратегію.

Ця гіпотеза не дуже лаконічна і декларативна. Її досить складно спростувати або підтвердити. Тобто за всіма параметрами вона не так витончена, як попередні. Тому на даному етапі їй можна знехтувати.

Розробка тестованих прогнозів

Для того щоб побудувати прогноз, потрібно для початку визначитися, чи вірна ваша гіпотеза. Потім слід зрозуміти, які величини включати в прогноз. Наприклад, якщо ми за базову беремо першу гіпотезу, то повернення ринку (вгору або вниз) можна перевірити і розрахувати за допомогою набору статистичних тестів NIST. Їх поведінка повинна відповідати бінарної послідовності Мартіна-Лёфа. В одному з минулих постів автор вже проробляв цю операцію, використовуючи генератор псевдовипадкових чисел під назвою "Вихор Мерсенна". З'ясувалося, що дана гіпотеза невірна.

Багато людей роблять одну і ту ж помилку: вони впевнені, що в дослідженні вся справа в одній об'єктивності. Насправді, не так уже й важливо, вірна гіпотеза або помилкова. Важливо, що при будь-якому розкладі ми приносимо нову інформацію у наукових знаннях, по конкретній проблемі.

Для того щоб перевірити другу гіпотезу, доведеться піти на крок далі: створити модель базового агента, в якій ефективність буде гарантована. З цієї моделі ми потім винесемо послідовності повернення і протестуємо їх на предмет випадковості. Про моделях буде розказано трохи нижче.

Збір даних для перевірки передбачення

Назва цього етапу говорить сама за себе. Єдина річ, про яку варто попередити: дані для перевірки потрібно брати з реального світу (емпіричні дані). На крайній випадок, вони можуть відбуватися з моделі, відповідної гіпотезі. Обидва підходи мають свої плюси і мінуси. З емпіричними даними багато що залежить від того, як ви їх вимірюєте, збираєте і зберігайте. Імітують дані припускають, що виконання моделі було зроблено коректно.

Уточнення або спростування гіпотези

Спираючись на зібрані дані, ми можемо відповісти на питання, чи були передбачення вірні, і підтвердили докази нашу гіпотезу. Важливо відзначити, що при позитивному варіанті, мова йде лише про підтримку гіпотези. Довести, що вона вірна ми не можемо. У другому випадку, гіпотеза вважається помилковою.

Створення загальної теорії

Отже, ми зібрали достатню кількість гіпотез, ретельно їх протестували. Тепер ми можемо зібрати з них одну загальну теорію. Наприклад, для теорії портфельного вибору потрібні були десятки років досліджень взаємин між ризиком і прибутком, перш ніж вона була прийнята науковим співтовариством. На момент публікації докторської дисертації Марковицем, в теорію портфеля практично ніхто не вірив. Йому навіть хотіли відмовити у присудженні ступеня доктора економічних наук.

Історія, по правді кажучи, вельми повчальна. Якщо ваша ідея непопулярна, це ще не означає, що вона неправильна. Спільнота фінансистів дуже консервативно. Застарілі ідеї і підходи тут відстоюються з майже релігійним пафосом і серйозністю. У навички кванта якраз і входить уміння дивитися на цей світ об'єктивно і постійно боротися з міфами про фінансові ринки. Забудьте про консенсус, займайтеся пошуком істини.

Мислити моделями

Як стати квантом? Оформляйте свої ідеї в моделі. Потім користуйтеся цими моделями, щоб упорядкувати своє мислення, перевірити і обгрунтувати свої ідеї, виявити приховані патерни.

Модель - це репрезентація окремих об'єктів або процесів, що існують в реальному світі. Для побудови моделей кванти використовують методи математики і комп'ютерних наук. Квант, наприклад, може зібрати модель ризиків, пов'язаних з конкретних портфелем активів. Чому на перший план висунуті саме моделі? Тим більше що деякі вважають, що такий тип мислення лежав в основі фінансової кризи 2008 року.

Моделі допомагають нам більш ясно мислити

Розвиваючи ідею до рівня відповідної моделі, зробленої в коді або прописаної в математичних формулах, не має значення, змушує чіткіше бачити сенс, достоїнства і недоліки самої ідеї. Ми дивимося на умоглядні речі в термінах інпут, аутпут і технологічних процесів. Через модель і процеси можна виявити відсутні частини і виправити неточності.

Моделі перевірятися, інтуїція немає

Як тільки ідея була систематизована і закодована в модель, вона стає перевіряється. В кінцевому підсумку, ми можемо побачити, наскільки ідея відповідає реальному розкладу речей. Візьмемо, для прикладу, стохастическую модель броунівського руху в застосуванні до ринку цінних паперів. Як вона співвідноситься з реальним світом? Чи враховує вони падіння ринків? Чи враховує вона періоди високої і низької волатильності? Відповідь, зрозуміло, негативний. Все це змушує нас зайнятися розробкою більш якісної стохастичною моделі: моделі дифузійних стрибків Мертона і моделі стохастичною волатильності Хестона.

Інший, загальний варіант перевірки моделі - подивитися, як вона поводиться на історичних даних. Візьмемо звичайну інвестиційну стратегію зміщеного значення. Поки вона грунтується на інтуїції брокера, не можна перевірити, чи могла вона приносити гарну віддачу в минулому. Можна лише вірити словам фінансового керуючого, що він хороший в своїй справі.

Моделі допомагають знаходити приховані патерни

Забудьте на час про пошук патернів за допомогою машинного навчання і нейронних мереж. Навіть віджилі прості моделі можуть знаходити приховані патерни і відкривати нове розуміння звичних речей.

Візьмемо приклад з іншої області. Скільки, на вашу думку, людина в окремому місті повинні бути расистами, щоб рівень расової сегрегації досяг 80%? Вчені з'ясували, що досить, щоб 30% людей були расистами для виникнення расової сегрегації в відносно ізольованому суспільстві. Все це можна прорахувати за допомогою старої моделі сегрегації Шеллінга. І таких прикладів, коли модель відкриває нам нове знання про звичні речі, маса. Тим, хто цікавиться, автор радить пройти курс розуміння моделей на Coursera.

Математичні або комп'ютерні моделі допомагають нам відійти від умоглядних побудов і зняти когнітивну навантаження на окрему людину. Простіше кажучи, вони роблять нас розумнішими. Набагато розумніше.

Висновок

Кількісні фінанси - це ідеологія, і бути квантом - значить набагато більше, ніж бути просто математиком або знати, як писати код. Це історія про прихильність наукового методу і здатності його застосовувати для вивчення фінансових ринків в цілому. З огляду на це, автор дає єдина порада тим, хто має намір стати квантом: просто будьте їм, незалежно від назви своєї посади. Немає причин для того, щоб фундаментальні принципи і кількісні методи не можна було б застосувати для інших сфер фінансових послуг або навіть для нефінансових компаній. Цілком ймовірно, що через десяток років стане звичним і кількісне банківське інвестування і кількісний венчурний капіталізм. Навіть якщо ви зможете просто грамотно розписати принципи цієї ідеології на своєму співбесіді, це вже буде великим плюсом.