Бегущий по алгоритмическому лезвию. Часть 2: Two Sigma Investments

Бегущий по алгоритмическому лезвию. Часть 2: Two Sigma Investments

Время на прочтение: 10-15 минут

Содержание:

Аннотация к статье и циклу.

В прошлой серии цикла статей:

Всем привет!

В прошлой статье из цикла "Бегущий по алгоритмическому лезвию", мы познакомились с Джимом Саймонсом - выдающимся трейдером из мира алгоритмической торговли.

Разобрали вместе с вами, почему он по праву может зваться "Дедом маминой подруги", провели сравнительную битву двух титанов инвестиций (сравнение показателей доходности двух фондов использующих разные подходы анализа) и сделали вполне познавательные выводы.

Если еще не успели прочитать, то сейчас самое время (но потом возвращайтесь):

Читайте далее:

Ранее, я анонсировал эту статью как: "Разбор пути успеха двух мужчин, которые сидят на одном стуле и зарабатывают." - и это не просто "забавный кликбейт"!

Мы продолжаем искать инсайты и просто знакомиться с трейдерами (и их компаниями) которые по какой-то причине выбрали путь квантитативного анализа и системных циклов/паттернов, и благодаря этому (в том числе) заработали огромные состояния.

Сегодня на примере:

Two Sigma Investments - скучный успех на миллиарды долларов, под руководством двух выпускников Пристонского университета благославленных математикой.

Пережевывая Wiki.

На фото: Дэвид Сигел (слева) и Джон Овердек (справа), тот самый стул (остался за кадром)
На фото: Дэвид Сигел (слева) и Джон Овердек (справа), тот самый стул (остался за кадром)

Чем интересен Дэвид?

  • Получил бакалаврскую степень по компьютерным наукам в Принстоне, а затем продолжил обучение и получил докторскую степень по компьютерным наукам в Массачусетском технологическом институте (MIT).

  • Преданный сторонник применения науки и технологий в финансовой сфере. Является автором множества научных публикаций в области машинного обучения, статистики и компьютерных наук. Его работы получили признание в академической среде и внесли значительный вклад в развитие этих областей.

  • В 2017 году Дэвид Сигел был удостоен престижной награды "Financial Engineer of the Year" (Финансовый инженер года) от Института финансовых инженеров (Institute for Financial Engineers). Эта награда признает выдающиеся достижения в области финансовой инженерии и вклад в развитие финансовых рынков.
  • Занимал должность директора по информационным технологиям в DE Shaw & Co

Чем интересен Джон?

  • Является выпускником Принстонского университета, где он получил степень бакалавра и магистра по математике.

  • Работал на должности профессора математики в Принстонском университете, где он специализировался в области финансовой математики. Является членом совета директоров Принстонского института прикладных исследований и регулярно выступает на конференциях и семинарах по финансовой математике.

  • Был членом сборной США по математике и выиграл золотую медаль на олимпиаде.

  • Является членом совета директоров Математического фонда США (Simons Foundation), который способствует развитию математической науки и поддерживает талантливых ученых, и одним из основателей "Breakthrough Prize", престижной награды в области фундаментальных достижений в физике, математике и жизненных науках.
  • Признан одним из самых богатых людей в мире. Согласно списку Forbes, его состояние (±6,5 млрд $) входит в число самых значительных в сфере финансовых технологий.

  • До того как стать "одним из самых богатых", занимал должность управляющего директора в DE Shaw & Co

Краткая выжимка:

Два человека с выдающимися математическими способностями, выпускники престижного Принстонского университета, ученые (гении?), исследователи, евангелисты технологий, филантропы, миллиардеры. Как говорится - не одним Илоном Маском едины!

Но как?

1+1=3, за две недели.

Пример который легче понять в теории, чем "решить" на практике.
Пример который легче понять в теории, чем "решить" на практике.

1+1=3:

- это синергия?
- да.
- это Two Sigma Investments?
- да!

Two Sigma Investments управляет примерно 60 миллиардами долларов, что делает ее одним из крупнейших в мире хедж-фондов.

Чистая прибыль Сигмы за 2018 год - 3,2 млрд $ (топ-3 результат за год, среди всех фондов)

Место встречи: DE Shaw & Co.

DE Shaw & Co. - многонациональная компания по управлению инвестициями, основанная в 1988 году Дэвидом Э. Шоу. Компания известна разработкой сложных математических моделей и сложных компьютерных программ для использования аномалий на финансовом рынке.

Именно в этой компании и познакомились Дэвид Сигел и Джон Овердек. Кстати, еще одним из знаменитых выходцев DE Shaw & Co. был другой будущий миллиардер - Джеф Безос. На момент прихода Овердека, Безос отвечал за изучение рынка и чуть позже, ушел строить свою империю - создавать Amazon. Овердек кстати последовал за ним, в качестве директора по технологиям.

А Дэвид Сигел, спустя время ушел работать в качестве технического директора в Tudor Investment Corp.

Но не на долго.

Хедж-фонд за пару недель.

В 2001 году, старые приятели свели все точки судьбы в одну.

Случилось три ключевых события:

  • Дэвид Сигел и Джон Овердек загорелись идеей собственного фонда (подозреваю, что к этому моменту у них уже были свои наработки)
  • За пару недель проверили стресс-тесты для своих алгоритмов на реальном рынке, которые показали "отличный результат" (какой именно, не нашел)
  • Общая встреча с Полом Тюдором Джонсоном в ресторане Pizza Hut (теперь вы знаете, где делается успешный бизнес-нетворкинг)

О встрече с Полом Тюдором Джонсоном и его впечатлении об Овердеке и Сигеле, вы можете прочитать в этой статье.

Нам же интересен итог, а он достаточно лаконичен - звезда Two Sigma зажглась, а Дэвид Сигел и Джон Овердек сели на один стул соучредителей нового фонда.

Про культуру и подходы.

"Мы применяем науку в финансовой сфере. Мы придерживаемся принципов, основанных как на технологиях и науке о данных, так и на финансовых услугах. Мы руководствуемся областями, такими как машинное обучение и распределенные вычисления."

вольный перевод с официального сайта Two Sigma Investments

В инвестиционной среде, хедж-фонд Two Sigma известен как один из евангелистов технологического подхода к финансам и смотря на выжимки из биографии основателей - это не вызывает удивления.

Однако, отдельные позывы респекта вызывает весьма логичный и структурный подход к развитию компании и ее продуктов:

  • люди (в большинстве своем ученые и инженеры, нежели трейдеры аля "Волк с Уолл-стрит")
  • технологии (машинное обучение, распределенные вычисления, квантовые исследования)
  • данные (работали в направлении data science, еще до того как это стало мейнстримом)

Вектор действий компании на финансовом поле ± понятен (технологии и "вот это вот все"), какие полезные инсайты можно взять на вооружение?

Мои личные инсайты:

  • не все математики трейдеры, но многие выдающиеся трейдеры - математики
  • совершенно не важно, что тебе нравится (математика, физика или живопись), вопрос как научиться это применять к более практичным областям (например к финансовой области и др.)
  • использование исследований и научных открытий, как путь к инструментам, которые позволят получить преимущество над конкурентным рынком
  • развивай не только себя и свои инструменты, но и свою команду (если она у тебя есть :))

Т.к. это уже второй "разбор" из цикла статей "Бегущий по алгоритмическому лезвию" - повторятся в рамках инсайтов нет желания, но могу отметить - что они ± равнозначны и повторяют друг-друга, а значит имеют право на существование.

Битва репликантов: Олд-скул vs Нью-скул

Бегущий по алгоритмическому лезвию. Часть 2: Two Sigma Investments

Общая вводная.

Ох, сложно вам передать как я намучился с данным разделом...Черт ногу сломит, не сколько в структурной связке компаний Two Sigma Investments (да, компания включает в себя структуру из 7-8 фондов), сколько в поиске хоть какой-либо правдивой информации по доходности этих фондов :D

Мне пришлось просмотреть около 50-ти различных источников в интернете, чтобы по крупицам собрать информацию по доходности одного конкретного фонда Two Sigma, а именно - Two Sigma Spectrum.

Что за фонд:

Two Sigma Spectrum использует комплексные модели и алгоритмы, основанные на анализе больших объемов данных и применении технологий искусственного интеллекта для принятия решений по инвестированию.

А все для чего? Для того чтобы сравнить "на глаз" успешность двух предприятий использующих один и тот же принцип работы или в нашем случае - один и тот же квантитативный подход анализа!

Для тех кто не читал первую статью из цикла или забыл:

Квантитативный анализ финансового рынка - это процесс использования математических и статистических методов для анализа и интерпретации данных финансового рынка.

Битва репликантов.

На арене:

  • Medallion Fund с ~10 млрд $ на 2020 г. под управлением (фонд Джима Саймонса)
  • Two Sigma Spectrum с ~3 млрд $ на 2020 г. под управлением (фонд Two Sigma)

Условия для сравнения - годовая доходность двух фондов за прошедшие 9-ть "черных лебедей" финансового рынка, в 21-м веке:

Цифры по доходности были взяты из открытых источников, путем систематического перебора информации и ее усреднения (желтым отмечено очень сильное усреднение)
Цифры по доходности были взяты из открытых источников, путем систематического перебора информации и ее усреднения (желтым отмечено очень сильное усреднение)

В предыдущий раз мы сравнивали доходность двух фондов из альтернативных подходов к анализу. В это раз, условия относительно равны.

При этом, в прошлой статье я оставлял следующий комментарий:

Опираясь на свой опыт могу заметить: не редко хорошие инвестиционные автоматизированные стратегии для рынка - действительно имеют ограничения по объемам в управлении. И при увеличении этих объемов, начинает страдать показатель доходности.

Автор: я - простите за самоцитирование :)

Что наталкивает на мысль, что фонд от Two Sigma со своими обьемами, должен иметь все шансы на большую доходность, но...Чудо - не случилось.

Даже если учитывать тот фактор, что фонд Джима Саймонса опережает Two Sigma примерно на 19 лет, доходность Spectrum'a не сильно впечатляет. Или впечатляет? Сколько это вообще, в деньгах?

На примере 2020 года и пандемии:

  • дано: 3 млрд $ под управлением
  • годовая доходность: ~6% годовых

Итого: ~180 000 000 $ прибыли для инвесторов

И это только по конкретному фонду, который имеет яркие признаки (о которых говорят) использования алгоритмических моделей в торговли. В среднем же, доходность фондов от Two Sigma находится на уровне 10% - что в рамках больших обьемов (60 млрд $) является неплохим показателем.

Так же стоит отметить, что говоря о доходности всегда стоит учитывать "обьем риска" и это то, к снижению чего стремятся все уважающие себя (и своих инвесторов) фонды. Вопрос не всегда в том, сколько можно заработать, но и в том числе - сколько можно потерять при реализации неудачного сценария.

Они никогда не разочаровывали нас с точки зрения управления рисками

Том Хил, американский миллиардер управляющий хедж-фондом Blackstone Group

Но в сухом остатке - "пальму первенства" в этой беспристрастной битве, все равно забирает Джим Саймонс, очередное браво "деду маминой подруги"! (показатели Medallion Fund - действительно впечатляют)

Инвестиционное кунг-фу.

Сцена: Инженеры Two Sigma Investments придумывают новую стратегию для фонда
Сцена: Инженеры Two Sigma Investments придумывают новую стратегию для фонда

Вторая статья и второй раз подряд мы наталкиваемся с вами на стену секретности/недоступности информации. Чтобы вы понимали градус этой самой секретности, я расскажу вам про парня по имени Кан Гао.

В 2014 году, бывший сотрудник Two Sigma, 29-ти летний Кан Гао видимо тоже писал статью на VC и решил воспользоваться удаленным доступом для просмотра патентованных торговых моделей Two Sigma, в целях их дальнейшей отправке на свою личную почту.

Вскоре, мерзавца с не корпоративным поведением в этом уличили и отправили познавать алгоритмику жизни в американскую тюрьму, на 8 месяцев.

Но в тюрьме, Кан Гао описал торговую стратегию на стенах камеры и чуть позже я оказался в этой же камере...

Но нет! :) Однако, каким бы был поворот событий, какая развязка - в стиле лучших приключенческих драм!

Так что, в рамках данного блока статьи - все остается на том же "тезисе", что и в предыдущий раз:

С точки зрения мат-ожиданий, чем большее кол-во раз вы попытаетесь найти необходимую комбинацию, тем выше шанс что в процессе соединения торговых стратегий вы будете находить паттерны, которые будут положительно влиять на доходность торгового алгоритма и рано или поздно приведут вас к желаемому проценту доходности.

Не будьте как Кан Гао, исследуйте!

Автор, пиши еще!

На vc.ru я недавно, но успел запустить два цикла статей (исследовательский и познавательно-разборный) в рамках темы алгоритмической торговли, рекомендую к прочтению:

Бегущий по алгоритмическому лезвию:

Мечтает ли ChatGPT о торговых алгоритмах?:

А дальше что?

В следующей серии цикла статей "Бегущий по алгоритмическому лезвию.", я напишу про человека который нашел один из крупнейших макро-финансовых паттернов

Дополнительный анонс.

Тема исследования синергии человека и нейросети в финансах, настолько меня поглотила, что побудила к пересмотру (или "пивоту") старой деятельности прошлого стартапа (читайте в статье "Мечтает ли ChatGPT о торговых алгоритмах? Часть 1").

В связи с чем приглашаю всех желающих в свой новый телеграмм канал в качестве наблюдателя где:

  • торговый алгоритм версии Brut-1 (никогда не знаешь, когда он предаст: D) совершает сделки на реальном счете, на криптовалютном рынке на паре BTC-BUSD и сигнализирует об этом заранее (если хотите — копируйте сделки)
  • еженедельно Brut-1 будет отчитываться о полученной прибыли с совершенных сделок
  • через 3 месяца, для всех наблюдателей будет проведено голосование в формате конкурса на определение главного вопроса: "Алгоритм который торговал эти три месяца, был написан человеком или нейросетью?"
  • все бесплатно, никаких платных каналов, успешных управлений счетами и рекламы мазей по увеличению вашего графика

Стать наблюдателем:

Сила любого стартапа — в ранних последователях, поэтому все кто присоединится к этому "Шоу Брута" и угадает правильно — получат полугодовой доступ к этому алгоритму в формате автоматической торговли.

Надеюсь было интересно!

1919
31 комментарий

Комментарий недоступен

4
Ответить

Ваш комментарий тянет на целую статью)

2
Ответить

Спасибо за внимание и такой развернутый комментарий-мнение-личный опыт по теме! (если бы можно было поставить два лайка - поставил бы)

"...чем больше активов в рынке, тем сильнее их влияние на сам рынок, поэтому жизнь огромных хеджфондов с сотнями ярдов активов отличается от мелочи(до десяти ярдов)..."
- да, полностью согласен, тоже отмечал данный фактор в своих материалах на этой площадке.

"...Но рынки есть не только консервативные, а есть еще крипта,..."
- вы смотрите в корень! В рамках цикла статей "Мечтает ли ChatGPT о торговых алгоритмах" - я как раз проверяю их на криптовалютном рынке, т.к. считаю что в данный момент "попытать удачу со своим алго-продуктом" там сильно проще, чем на консервативных направлениях

"...так, что мелким командам остаются либо межбиржевой статистический арбитраж либо малоликвидные пары, либо на голову быть выше по математике, что очень непросто..."
- либо выступать в качестве "маленьких рыбок прилепал" с небольшими обьемами под управлением)

Ответить

Успехи Сигмы выглядят довольно консервативно, не вызывают желания взять кредит на депозит. А вот дед хорош, всем бы такого деда. 👨‍🦳

3
Ответить

Спасибо за ваше внимание!

Вообще, за относительно не маленькую карьеру в финансовом секторе, меня до сих пор поражает какая пропасть между ожиданиями у поколений, особенно в масс-маркет сегменте)
Опыт сьедает проценты - чем больше человек инвестирует, тем больше понимает, что лучше 10% при риске в 1%, чем 50% при риске в 25%.

Но многие идут в инвестирование не за деньгами, а за эмоциями - казино для умных :D

p.s. Саймонс действительно хорош

2
Ответить

Приветствую!) отличная статья) все больше становится интересно, какой будет результат синергии людей и нейросетей в финансовой сфере в нынешние времена) думаю, все движется к тотально новым открытиям и подходам в финансах💪🏽

3
Ответить

Привет!
Спасибо за ваше внимание :)

Главное, чтобы после выхода версии ChatGPT-6, я не писал статьи про фонд (с годовой доходностью в 100%) где нет людей, но есть нейросеть и финансы! :D

Ответить