Аннотация:По мере развития сети интернет, привычные всем торги на бирже через телефон и голос мигрировали в электронное пространство. В начале 1970-х годов были созданы первые электронные торговые платформы. Сначала это были платформы на основе уже существующих бирж, позволяющие размещать заявки. На тот момент времени, биржи еще не умели транслировать котировки ценных бумаг в реальном времени. Затем возникли альтернативные платформы: dark pools, alternative trading systems, electronic communication networks. На текущий день, большинство платформ для трейдинга предоставляют API (Application Programming Interface), которые предоставляют возможность пользователю писать собственные торговые стратегии с помощью скриптов.
Интерес к автоматизации торговых алгоритмов стал проявляться в начале 2000-х годов, по мере появления новых языков программирования и цифровизации экономических процессов в обществе. Однако возможность разрабатывать торговые алгоритмы из дома появилась не так давно, всего лишь 7-10 лет назад.
Анализ научной литературы, посвященной маркет-нейтральным торговым стратегиям, выявил факт недостаточной проработки различных аспектов исследуемой темы.
Например, в российских научных изданиях, как правило, делают акцент на математической составляющей торговых стратегий: проблема коинтеграции и стационарности временных рядов [А.А. Мусаев и др, 2015; А.В. Палатников, 2012], анализ эффективности стратегий на российском фондовом рынке [В.С. Липатников и др., 2017], использование «коэффициента β» для формирования торговых сигналов парной стратегии [И.В. Ильин и др., 2013]. При этом, данные работы не включают в себя анализ практической применимости на реальном рынке полученных результатов.
2
Западная литература рассматривает тему более обширно. В ней рассматриваются следующие проблемы: улучшение инвестиционного портфеля посредством добавления рыночно-нейтральных стратегий [John S. Brush and oth., 1997], недостатки использования рыночно-нейтральных стратегий для институциональных инвесторов [Richard O. Michaud and oth., 2000], сходимость цен в парных стратегиях [Jun Liu and oth., 2013]. Рассматривается множество тематик узко связанных с реализацией алгоритмических стратегий: баланс между гибкостью алгоритмов и скоростью вычислений [Bruce J. Jacobs and oth., 2006; Pedro Vergel Eleuterio and oth., 2018], влияние транзакционных издержек на результаты торговых стратегий [Irene Aldridge, 2012], моделирование спредов для маркет-мейкинга [Richard M. Torttier, 2012; Robert Tompkins, 1994]. Одна из самых передовых тем исследований в алгоритмическом трейдинге – это использование машинного обучения для построения портфелей и торговых стратегий. Зарубежные авторы рассматривают возможности применения нелинейных авто-регрессионных моделей для улучшения структуры портфелей [Attila Ceffer, 2019], а также применения нейронных сетей для высокочастотного трейдинга [Matthew Dixon, 2018].
Актуальность темы диссертации обусловлена отсутствием комплексных работ, затрагивающих одновременно как алгоритмизацию стратегий, так и учет транзакционных издержек и описание практических проблем при реализации торговых стратегий.