Глава 6 Научный трейдинг

Глава 6 Научный трейдинг

Во время одного из интервью Энн Драйан (жену Карла Сагана) спросили: «Разве он [Саган] не хотел верить?» Она ответила: «Он не хотел верить. Он хотел знать».

Основные принципы, Кларисс. Почитай Марка Аврелия. В отношении каждой конкретной вещи или понятия задавай вопрос: что это по своей сути? какова природа этого?

Торгующие по тренду воспринимают трейдинг как науку. Они смотрят на мир с точки зрения физика:

«Наука о природе или природных объектах; наука, изучающая законы и свойства материи и воздействующие на нее силы; в узком смысле слова – та отрасль естествознания, которая изучает причины изменения базовых свойств физических тел; естественная философия» (Словарь Уэбстера) [182] .

У физики и следования тренду много общего. И то и другое опирается на цифры и использует модели, описывающие взаимосвязи явлений. В физике, как и в следовании тренду, постоянно происходит проверка моделей на практике в реальных условиях:

«Управление денежными средствами похоже на физический эксперимент и предполагает работу с цифрами и подбор различных значений переменных величин. Сходство между ними еще глубже. Как известно, физика подразумевает описание явлений окружающего мира при помощи абстрактных математических моделей. Модели могут описывать явления разной степени сложности, такие как движение молекул газа или движение звезд в галактическом пространстве. Оказывается, подобные модели с таким же успехом могут быть применены к столь же сложному механизму финансовых рынков» [183] .

Когда мы используем термин «научный трейдинг», мы не относим его к разработчикам и ученым, создающим изящные, но замысловатые теоретические модели, которым в конечном итоге недостает простоты. Сохранить простоту нелегко, поскольку сложнее всего выполнить очевидные вещи. В данной главе никоим образом не ставится задача полностью охватить предмет трейдинга как науки, но в ней действительно предлагается обзор научных взглядов торгующих по тренду.

Критическое мышление

Торгующие по тренду трейдеры, подобно физикам, открыты к восприятию нового в своей науке. Они проводят исследования и эксперименты. Как и физики, они критически рассматривают ситуацию и задают четкие вопросы. Их умение четко и объективно ставить вопросы (а затем находить на них ответы) – главная причина их трейдерских достижений. Чтобы добиться успеха как в трейдинге, так и в жизни вообще, необходимо развивать способность задавать правильные – умные вопросы:

1. Вопросы не бездумные и поверхностные, а возникающие в результате глубокого анализа сути проблемы.

2. Вопросы, из которых явственно видна их цель. Мы должны быть предельно честны с самими собой, не скрывая истинных причин, по которым нас интересует ответ.

3. Вопросы, заданные не из лицемерия, а для того, чтобы понять, как мы интерпретировали информацию, прежде чем задали вопрос, другими словами, вопросы, дающие нам возможность по ходу дела скорректировать направление движения.

4. Вопросы, позволяющие нам хладнокровно воспринимать правду о самих себе.

5. Вопросы, позволяющие нам принять реальность, к которой нас приведет ответ, какой бы она ни была.

6. Вопросы, позволяющие нам принимать тот факт, что наше субъективное восприятие мира вытесняется новыми объективными данными.

7. Вопросы, позволяющие нам понять, почему именно они задаются в первую очередь.

8. Вопросы, благодаря которым всплывает ряд деталей, которые мы могли упустить, если бы не спросили об этом [184] .

Беседуя с нами о важности критического мышления, Чарльз Фолкнер расставил свои приоритеты:

«Я думаю, самыми критичными – в обоих смыслах этого слова – являются вопросы, подвергающие сомнению наши исходные предпосылки, предпосылки о правде и лжи, фактах и домыслах, о возможном и невозможном. Далее следуют вопросы, помогающие развить статистическое мышление. Наконец, на третьем месте вопросы, служащие для проверки логики и последовательности, которые важны, но лишь тогда, когда применяются по отношению к заслуживающим внимания предпосылкам и реальным возможностям».

Торгующие по тренду проявляют жадное любопытство, желая понять, что же происходит на самом деле. Они не боятся задавать вопрос, даже если подозревают, что ответ может им не понравиться. Они не задают вопросов для самоуспокоения, чтобы укрепить мнение, которое у них уже имеется. Они не задают бездумных вопросов и не терпят глупых ответов. Также они готовы задать вопрос и смириться с мыслью, что ответа на него, возможно, не существует.

«Большинство студентов, к сожалению, не задают критичных вопросов. Они обычно плохо информированы, а их вопросы поверхностны, поскольку основаны на чужих, а не на их собственных мыслях. Вместо этого они задают никчемные вопросы вроде: а это будет на контрольной работе? Их вопросы демонстрируют полное нежелание думать. С таким же успехом они могли бы молчать; их мозг словно находится в спящем или отключенном состоянии. Для того чтобы мыслить критично, нам необходимо стимулировать свой интеллект при помощи вопросов, ведущих нас – куда бы вы думали? – конечно, к новым вопросам. Мы хотим устранить негативные последствия традиционной в прошлом зубрежки, которая отрицательно повлияла на нашу манеру обучения. Мы хотим “реанимировать” “неживые” мозги при помощи того, что на сайте www.criticalthinking.org  описывается при помощи выражения “вдохнуть в мозг новые мысли” (по аналогии с искусственным дыханием), чтобы вернуть к жизни “отключившийся” мозг» [185] .

Мы надеемся, что инвесторы, которые в свое время спрашивали слишком мало и в результате пострадали от своего заученного наизусть заклинания «покупать и держать – это хорошо», наконец задали критичные вопросы и изучили с научной точки зрения все данные, касающиеся своей деятельности.

Теория хаоса: линейность и нелинейность

Теория хаоса утверждает, что мир функционирует не по линейным законам. Происходят неожиданные вещи. Тратить драгоценное время на попытки получить идеальный прогноз – напрасное занятие. Будущее неизвестно, и неважно, насколько научно обоснован ваш фундаментальный прогноз. Мэньюс Донахью III, автор работы «Introduction to Chaos Theory and Fractal Geometry», затрагивает тему хаотичного, нелинейного мира:

«Мир математики веками существовал в рамках линейных законов. Это значит, что математики и физики упустили из виду тот факт, что динамические системы во многом непредсказуемы и движимы случайными факторами. В прошлом могло быть понято функционирование только таких систем, которые считались линейными, т. е. систем, развитие которых происходило в соответствии с предсказуемыми сценариями и моделями. Линейные уравнения, линейные функции, линейная алгебра, линейное программирование и линейные ускорители – все эти понятия были освоены и поставлены на службу человечеству. Однако проблема заключается в том, что мир, в котором мы живем, далеко не линеен, наоборот, он должен быть охарактеризован как нелинейный, а следовательно, пропорциональность и линейность в нем можно встретить нечасто. Как может человек действовать в соответствии с нелинейной системой и понимать ее в мире, в котором все описывается категориями простой линейной логики? Этим вопросом задавались математики и другие ученые еще с XIX в.; итогом их размышлений стала новая научно-математическая теория – теория хаоса» [186] .

В то время как многим идея о нелинейном мире кажется необычной, для торгующих по тренду это не новость. Их успех объясняется готовностью к неожиданностям. Их не пугает отсутствие линейности, т. е. причинно-следственных связей, поскольку их торговые модели рассчитаны на неожиданные события. Как им это удается? Торгующие по тренду мыслят статистическими категориями. Большинство людей этого избегает, даже если это могло бы помочь им преодолеть неопределенность повседневной жизни. Герд Гигеренцер, о котором упоминалось в главе 5, убежден в преимуществе статистического мышления:

«В начале ХХ в. отец современной научной фантастики, Герберт Джордж Уэллс, рассуждая о политике, сказал: “Если мы хотим получить образованных граждан в современном технологическом обществе, нужно обучить людей трем вещам: чтению, письму и статистическому мышлению”. Насколько нам это удалось к началу XXI в.? В нашем обществе большинство граждан обучаются читать и писать еще в детском возрасте, но никто не учит их статистическому мышлению» [187] .

Вот простая иллюстрация статистического мышления. Рассмотрим учебный пример о соотношении рождаемости мальчиков и девочек:

«Есть два родильных дома: в первом ежедневно рождается 120 детей, а во втором только 12. В среднем соотношение количества новорожденных мальчиков и девочек в каждом роддоме 50/50. Но однажды в одном из роддомов родилось в два раза больше девочек, чем мальчиков. В каком из них это более вероятно? Ответ очевиден для хорошего трейдера, но, как показывают исследования, не столь ясен для непрофессионала: вероятность такой ситуации гораздо больше для маленького роддома. Это объясняется тем, что, говоря математическим языком, вероятность случайного отклонения от какой-либо величины (скажем, от среднего значения совокупности) возрастает с увеличением размера выборки».

Какое отношение статистика рождаемости и полового состава новорожденных имеет к следованию тренду? Возьмем двух трейдеров, которые в среднем торгуют с прибылью в 40 % трейдов, при этом их прибыль в 3 раза превышает их потери. Один из них совершил 1 тыс. трейдов, другой – 10. Для кого из них в следующих 10 трейдах выше вероятность того, что лишь 10 % его сделок будут удачными (вместо обычных 40 %)? Такая ситуация более вероятна для трейдера, совершившего 10 трейдов. Почему? Чем больше сделок у трейдера за плечами, тем больше вероятность стремления его доходности к среднему уровню. Чем меньше сделок, тем больше вероятность отклонения от средней величины [188] .

Представьте, что ваш друг получил инсайдерскую информацию о движении акций на фондовом рынке и благодаря этому сорвал куш. Он всем об этом рассказывает. На вас это произвело впечатление, и вам кажется, что он, должно быть, действительно хорошо разбирается в трейдинге. Вы были бы не так впечатлены, если бы мыслили статистическими категориями, ведь тогда вы бы поняли, что количество его «выигрышей» крайне мало. Он с таким же успехом мог в следующий раз получить другую инсайдерскую информацию и действовать в соответствии с ней и при этом все потерять. Один такой случай ни о чем не говорит. Выборка слишком мала.

В разнице между этими двумя точками зрения кроется ответ на вопрос, почему выдающиеся трейдеры, торгующие по тренду, из одиночных игроков превратились во владельцев крупных успешных компаний, которые, как правило, работают с более высокой доходностью, чем так называемые зубры Уолл-стрит. Почему финансисты Уолл-стрит спокойно наблюдают за тем, как Джон Генри или Билл Данн завоевывают лидирующие позиции на тех рынках, где они сами могли бы и, наверно, должны были бы доминировать? Причина заключается в чрезмерном увлечении Уолл-стрит целевыми ориентирами. Уолл-стрит стремится достичь средних показателей доходности, соответствующих основным индексам, в то время как цель торгующих по тренду – максимальная доходность.

Крупные, респектабельные корпорации Уолл-стрит, в отличие от торгующих по тренду, оценивают свой успех исходя из среднерыночных показателей, а не максимизации прибыли. Эти компании рассматривают средние значения и отклонения от них, чтобы определить степень эффективности своей работы. Они так зависимы от иррациональных потребностей своих клиентов, что стратегия следования тренду кажется им неубедительной.

Другими словами, колебания вокруг среднего значения (стандартное отклонение), как правило, используется Уолл-стрит для определения уровня риска (см. главу 3). Компании Уолл-стрит предпочитают последовательность максимизации прибыли, в результате их доходность всегда находится на среднем уровне. Как перестать ориентироваться на средние показатели? Это непросто. На нас значительное влияние оказывает классическая теория финансов, которая практически полностью основана на нормальном распределении. Майкл Мобуссин и Кристен Бартхольдсон разъясняют плачевное состояние дел:

«Нормальное распределение – это базовый принцип теории финансов, включая теорию случайных блужданий, САРМ-модель (модель оценки доходности финансовых активов), VaR-модели (модели рисковой стоимости) и модели опционного ценообразования Блэка – Шоулза. Например, назначение моделей рисковой стоимости (VaR) – оценка с заданной вероятностью максимальных потерь инвестора при том или ином составе портфеля. Хотя существуют различные типы VaR-моделей, в классической версии в качестве меры риска используется стандартное отклонение. Зная нормальное распределение, довольно просто рассчитать стандартное отклонение, а следовательно, уровень риска. Однако если изменения цен происходят не по принципу нормального распределения, измерение риска при помощи стандартного отклонения становится некорректным» [189] .

Проблема использования стандартного отклонения в качестве меры риска можно рассмотреть на следующем примере: у двух трейдеров с идентичными показателями стандартного отклонения может быть совершенно разное распределение прибыли. У одного его можно изобразить в виде привычной кривой нормального распределения. У другого же распределение может характеризоваться такими статистическими понятиями, как эксцесс и асимметрия. Другими словами, историческая динамика его доходности далека от нормального распределения.

Прибыль торгующих по тренду не подчиняется и никогда не будет подчиняться принципу нормального распределения. Их трейдинг никогда не будет характеризоваться последовательными, средними по рынку показателями прибыли, квартал за кварталом соответствующими принятым ориентирам. Когда торгующие по тренду побеждают в игре с нулевой суммой и получают гораздо большую прибыль по сравнению с такими игроками, как Barings Bankи Long Term Capital Management, они зарабатывают на тех самых значительных отклонениях (статистических «выбросах»), имеющих место в нашем мире, где не работает принцип нормального распределения. Джерри Паркер из Chesapeake Capitalоткрыто говорит об этом:

«Я бы описал это так: следование тренду на пике рынка приводит к анормальному распределению результатов торгов. И это наше своеобразное конкурентное преимущество: в этих статистических “выбросах”. Я не знаю, есть ли у нас норма доходности по определению, но если вы следуете тренду на пике рынка, это приводит именно к такому распределению прибыли, поскольку мир нелинеен» [190] .

Жан-Жак Шенье, так же как и Джерри Паркер, считает, что рынки гораздо менее линейны и эффективны, чем полагают аналитики Уолл-стрит. Это происходит потому, что игроки, скажем на валютном рынке, могут участвовать в торгах не только для получения прибыли, но и с целью хеджирования, как это обычно делают центральные банки. Шенье подчеркивает, что в итоге они регулярно терпят убытки:

«Банк Японии осуществит валютную интервенцию для снижения курса иены <…> японский коммерческий банк репатриирует зарубежные активы в иенах лишь для того, чтобы придать достойный вид своему балансу на конец финансового года. Итогом этих действий является повышение ликвидности, но достигнутая таким образом ликвидность неэффективна» [191] .

Для корректной оценки следования тренду и лучшего понимания слов Джерри Паркера полезно рассмотреть подробнее статистические понятия асимметрии и эксцесса. Отклонение, согласно определению Ларри Сведро из Buckingham Asset Management, измеряет статистическую вероятность получения более высокой или более низкой прибыли при значительном отклонении распределения от нормального по сравнению с обычно наблюдающимся ее значением при нормальном распределении. Например, при последовательном изменении величины прибыли следующим образом: -30, 5,10 и 15 %, среднее значение будет равно 0 %. При этом только в одном случае значение прибыли было ниже 0 %, т. е. наблюдался убыток, во всех остальных случаях прибыль превышала 0 %; но это единственное отрицательное значение гораздо сильнее отличается от среднего (0 %), чем положительные. Это называется отрицательной асимметрией. Отрицательная асимметрия наблюдается, когда количество значений, находящихся слева от средней величины по оси абсцисс (т. е. ниже среднего), меньше, но они расположены дальше от среднего, чем значения с правой стороны. Положительная асимметрия имеет место, когда количество значений, находящихся справа от средней величины по оси абсцисс (т. е. выше среднего), меньше, но они расположены дальше от среднего, чем значения с левой стороны [192] .

Данный текст является ознакомительным фрагментом.