Что такое количественные финансы

Суть квант-подхода

Большинство людей представляют торговлю на бирже как интуитивное угадывание: инвестор читает новости об отчёте компании или трейдер чертит на графике геометрические фигуры («голова и плечи», уровни поддержки).

Количественные финансы (Quant FinanceКоличественные финансыMath + Code + FinanceОбласть финансов, использующая строгие математические и статистические модели для анализа рынков и управления капиталом.Подробнее →) работают принципиально иначе. Здесь рынок рассматривается как сложный стохастический (случайный) процесс, генерирующий терабайты зашумлённых данных каждую секунду.

Три подхода к бирже: сравнение

Научный детектив: 5 революций в финансах

Количественные финансы не возникли в одночасье. Это результат серии научных прорывов математиков и физиков, пришедших на Уолл-стрит.

1. 1900 год — Луи Башелье и броуновское движение

Французский математик Луи Башелье в Сорбонне защитил диссертацию «Теория спекуляций» под руководством Анри Пуанкаре.

Башелье впервые математически описал динамику цен облигаций на Парижской бирже как непрерывный случайный процесс. Он сформулировал модель броуновского движения за 5 лет до статьи Альберта Эйнштейна (1905). Современники не оценили работу, посчитав биржевые цены недостойными академической науки. Работа пролежала в архивах более 50 лет, пока в 1950-х экономист Пол Самуэльсон не переоткрыл её и не адаптировал к геометрическому броуновскому движению.

2. 1952 год — Гарри Марковиц и алгебра портфеля

25-летний аспирант Чикагского университета Гарри Марковиц опубликовал 14-страничную статью «Portfolio Selection». До Марковица инвесторы просто покупали акции «хороших» компаний.

Марковиц доказал: риск портфеля — это не сумма индивидуальных рисков, а ковариация $\operatorname{Cov}(X, Y)$ между активами. Если объединить активы, чьи цены колеблются несинхронно, суммарный риск снижается без потери ожидаемой доходности $E(X)$. За это открытие Марковиц получил Нобелевскую премию по экономике 1990 года.

3. 1960-е — Эдвард Торп: от блэкджека к первому квант-фонду

Профессор математики MIT Эдвард Торп сначала написал книгу «Beat the Dealer» (1962), где с помощью теории вероятностей и первой ЭВМ IBM 704 математически взломал карточную игру блэкджек.

Затем Торп применил вероятностные методы к рынку варрантов и акций, основав в 1968 году фонд Princeton Newport Partners (PNP). Это был первый в мире статистический количественный фонд. За 20 лет работы PNP не показал ни одного убыточного года, принося в среднем 19% годовых при минимальной волатильности.

4. 1973 год — Блэк, Шоулз и Мертон: формула деривативов

В 1973 году Фишер Блэк и Майрон Шоулз вывели точную аналитическую формулу стоимости опционаМодель Блэка–ШоулзаC = S₀ N(d₁) − K e^{-rT} N(d₂)Математическая формула расчёта теоретической стоимости европейских опционов.Подробнее →, решив дифференциальное уравнение в частных производных (аналог уравнения теплопроводности из физики). Роберт Мертон расширил и строго обосновал модель.

В том же 1973 году открылась Чикагская биржа опционов (CBOE). Трейдеры выходили на биржевой пол с распечатками значений формулы Блэка–Шоулза. Рынок деривативов превратился из закрытого клуба в многотриллионную индустрию, а Шоулз и Мертон получили Нобелевскую премию 1997 года.

5. 1988 год — Джим Саймонс и Renaissance Technologies

Выдающийся математик-геометр и бывший криптоаналитик Агентства национальной безопасности США Джим Саймонс создал фонд Renaissance Technologies и его флагманский продукт — Medallion Fund.

Саймонс принципиально не нанимал выпускников бизнес-школ и финансистов с Уолл-стрит. Его штат состоял из астрономов, физиков, специалистов по распознаванию речи и статистике. С 1988 по 2018 год фонд Medallion показал среднегодовую доходность 66% до вычета комиссий (39% чистыми), став самым успешным инвестиционным алгоритмом в истории человечества.

5 реальных задач, за которые квантам платят

Чем конкретно занимается количественный специалист на практике? Вот 5 ключевых классов задач:

1. Статистический арбитраж (StatArbСтатистический арбитражz = (S_t − μ) / σКоличественная стратегия, основанная на возврате спреда между связанными активами к историческому среднему.Подробнее →) и парный трейдинг

• Суть задачи: поиск активов, цены которых фундаментально связаны и исторически движутся вместе (коинтегрированы). Например, акции двух нефтедобывающих гигантов с сопоставимой структурой выручки.
• Как работает алгоритм: строится спред $S_t = P_A - \beta P_B$. Когда крупный фонд продаёт актив $A$, спред отклоняется от своего исторического среднего $\mu$ на величину $z = \frac{S_t - \mu}{\sigma} \ge 2.5$.
• Действие: квант-алгоритм покупает недооценённый актив $A$ и одновременно шортит переоценённый актив $B$. При возврате спреда к среднему значению ($\text{mean reversion}$) позиция закрывается с прибылью независимо от того, куда пошёл общий рынок.

2. Ценообразование деривативов и расчёт «Греков»Греки (Greeks)Δ = ∂V/∂S, Γ = ∂²V/∂S², Θ = ∂V/∂t, V = ∂V/∂σКоэффициенты чувствительности цены дериватива к базовой цене, времени и волатильности.Подробнее →

• Суть задачи: расчёт справедливой цены сложного контракта (опциона, структурной ноты) и его непрерывная защита от рыночных рисков.
• Греки чувствительности:
  • $\Delta$ (Дельта) — скорость изменения цены опциона при сдвиге цены базовой акции на 1 пункт ($\partial V / \partial S$).
  • $\Gamma$ (Гамма) — ускорение изменения Дельты ($\partial^2 V / \partial S^2$).
  • $\Theta$ (Тета) — временной распад опциона за один день ($\partial V / \partial t$).
  • $\mathcal{V}$ (Вега) — чувствительность к изменению рыночной волатильности ($\partial V / \partial \sigma$).
• Действие: Квант строит систему дельта-хеджирования: продавая опцион клиенту, банк непрерывно докупает или продаёт базовые акции, поддерживая суммарную позицию $\Delta = 0$, зарабатывая маржу без направленного риска.

3. Оптимальное исполнение крупных ордеров (VWAPVWAPVWAP = Σ(Pᵢ · Vᵢ) / Σ VᵢСредневзвешенная по объёму цена сделок — эталон качества исполнения институциональных ордеров.Подробнее → / TWAP)

• Суть задачи: институциональному инвестору (например, пенсионному фонду) необходимо купить 5 000 000 акций компании. Если отправить такой ордер на биржу одним куском, ликвидность в стакане мгновенно исчезнет, и цена улетит вверх на 3–5% (эффект Market Impact), принеся миллионные убытки.
• Действие: Квант разрабатывает алгоритмы оптимального исполнения (модели Алмгрена–Крисса, Бертрана). Алгоритм прогнозирует внутридневную кривую объёмов и аккуратно дробит гигантскую заявку на тысячи мелких пакетов, распределяя их во времени так, чтобы средняя цена покупки совпала с VWAPVWAPVWAP = Σ(Pᵢ · Vᵢ) / Σ VᵢСредневзвешенная по объёму цена сделок — эталон качества исполнения институциональных ордеров.Подробнее → или оказалась выгоднее рынка.

4. HFT-маркетмейкингHFT (High-Frequency Trading)Latency < 1 μsВысокочастотная алгоритмическая торговля с удержанием позиций от долей миллисекунды до нескольких секунд.Подробнее → и микроструктура стакана

• Суть задачи: МаркетмейкерМаркетмейкерSpread = P_ask − P_bidПрофессиональный участник, непрерывно выставляющий котировки на покупку и продажу для обеспечения ликвидности.Подробнее → не пытается угадать, куда пойдёт цена через неделю. Он поставляет ликвидность бирже, одновременно выставляя заявку на покупку (Bid) и продажу (Ask).
• Прибыль: разница между ценами покупки и продажи (спред $\text{Spread} = P_{\text{ask}} - P_{\text{bid}}$), помноженная на миллионы микросделок в день.
• Риск «токсичного потока»: если крупный инвестор начинает агрессивно выкупать рынок, маркетмейкер рискует продать ему по старой цене. Кванты анализируют дисбаланс объёмов в стакане за микросекунды до сделки и мгновенно корректируют котировки.

5. Стресс-тестирование и управление хвостовыми рисками (VaRValue at Risk (VaR)P(Loss > VaR_α) = 1 − αОценка максимального ожидаемого убытка портфеля с заданным уровнем вероятности за фиксированный период.Подробнее →)

• Суть задачи: инвестбанк удерживает активы на десятки миллиардов рублей. Регулятор и совет директоров требуют знать: сколько банк может потерять при катастрофическом сценарии?
• Инструменты: расчет метрик $VaR_{0.99}$ (Value at Risk) и $CVaR$ (Conditional VaR) методом симуляций Монте-Карло, теория экстремальных значений (Extreme Value Theory) и стресс-тестирование портфеля по сценариям кризисов 1998, 2008 и 2020 годов.