В новом выпуске серии Systematic Investor на канале Top Traders Unplugged ведущий Нильс Кааструп-Ларсен и профессиональный инвестор Ричард Бреннан провели глубокий анализ механизмов системного инвестирования. Собеседники детально разобрали макроэкономическую ситуацию, влияние редких «хвостов» распределения на доходность портфеля и ключевые различия между удержанием и своевременным сбросом рыночных рисков. Главный акцент дискуссии был сделан на том, почему долгосрочный успех в следовании за трендом (Trend Following) определяется жесткой дисциплиной и математическим пониманием масштаба, а не попытками предсказать поведение рынка.
📊 Макроэкономический контекст и динамика индексов 2:40
Макроэкономический обзор ситуации в США демонстрирует неоднозначные сигналы для инвесторов. С одной стороны, сильные данные по занятости и нулевое месячное изменение индекса потребительских цен (CPI) вселили в участников рынка надежду на то, что пик инфляционного давления остался позади. С другой стороны, по мнению ведущего, говорить о полной победе Федеральной резервной системы над инфляцией преждевременно. В системе сохраняется колоссальный объем избыточной ликвидности, а темпы количественного ужесточения (QT) остаются низкими. В качестве подтверждения этого тезиса приводится объем операций обратного репо (Reverse Repo) ФРС, который составил 2,199 триллиона долларов, лишь незначительно не дотянув до исторического пика. При этом годовые инфляционные ожидания по данным Мичиганского университета снизились с 5,2% до 5,0%, что все еще указывает на долгосрочную обеспокоенность потребителей. На этом фоне фьючерсы на ставку ФРС закладывают лишь 50%-ную вероятность ее повышения на 75 базисных пунктов в сентябре, ожидая пика на уровне 3.6% в первом квартале следующего года.
В то же время июль и август продемонстрировали локальный разворот трендов, что отразилось на показателях эффективности крупных фондов. Ведущий привел официальные данные по состоянию на август:
- Индекс SG CTA (в транскрипте — Beta 50) снизился на 97 базисных пунктов, но сохранил доходность +11,5% с начала года.
- Индекс Stockton CTA просел на 76 базисных пунктов в августе, демонстрируя рост на +16,5% YTD.
- Индекс Stockton Trend потерял около 1%, удерживая внушительные +22% с начала года.
- Индекс краткосрочных трейдеров (Short-Term Traders Index) прибавил 12 базисных пунктов (+10,5% YTD).
- Рынок акций в лице индекса MSCI World вырос на 3,2% в августе, сократив годовое падение до -12,25%.
- Мировой индекс государственных облигаций (World Government Bond Index) снизился на 81 базисный пункт.
По оценке Нильса Кааструп-Ларсена, июль стал единственным прибыльным месяцем для облигаций в текущем году, однако последовавшее в августе падение заставило усомниться в отчетах аналитиков JPMorgan, утверждавших, будто тренд-фолловеры полностью закрыли свои короткие позиции по фиксированному доходу. Среди отдельных сырьевых и валютных инструментов Бреннан и Кааструп-Ларсен выделили взлет цен на голландский природный газ (Dutch TTF Natural Gas) и укрепление мексиканского песо против доллара США, которые стали ключевыми драйверами прибыли в августе.
⚙️ Борьба с оверфиттингом: как правильно адаптировать торговые системы 11:34
Слушатель по имени Гарет задал вопрос о рисках избыточной подгонки данных (оверфиттинга) при ежегодной корректировке параметров торговых систем. Он предположил, что если инвестор на основе данных за прошлый год меняет 25-дневную скользящую среднюю на 21-дневную из-за лучших метрик риска и доходности, это может быть проявлением «ошибки недавнего прошлого» (recency bias). В качестве альтернативы Гарет предложил использовать равновзвешенную комбинацию множества близких таймфреймов (21, 22, 23, 24 дня) или динамически увеличивать вес наиболее эффективных систем, если в их доходности наблюдается автокорреляция.
Ричард Бреннан подробно разъяснил, почему такое понимание адаптивности является ошибочным. По словам инвестора, его собственная адаптивная система никогда не оптимизируется под узкий временной интервал вроде одного года. Ежегодный рабочий процесс Бреннана строится на принципиально иных механизмах:
- Добавление новой информации к массиву исторических данных. Если тестирование велось на 30-летней истории, с наступлением нового года она превращается в 31-летнюю, увеличивая общую выборку.
- Фаза проверки на робастность (Robustness Phase). Каждая модель тестируется не на одном изолированном рынке, а одновременно на всей вселенной из 55 альтернативных рынков, что создает гигантский объем перекрестных данных и исключает случайные совпадения.
- Адаптивная фаза (Adaptive Phase). Вместо подгонки под результаты прошлого года применяется скользящее 20-летнее окно данных. Этот шаг направлен на то, чтобы торговый портфель со временем не «затуплялся», сталкиваясь с беспрецедентными рыночными режимами, а постепенно эволюционировал и «затачивался» под меняющуюся структуру рынка.
В результате, как утверждает Бреннан, математический алгоритм формирует робастные модели с так называемыми «свободными штанами» (loose pants) — достаточно гибкие, чтобы успешно проходить сквозь самые разные альтернативные исторические сценарии, не ломаясь при смене фазы рынка.
Кааструп-Ларсен согласился с этим подходом и добавил, что в индустрии системного тренд-фолловинга никто не ищет микроскопическую точность между 21 и 22 днями. Смысл диверсификации систем заключается в совмещении принципиально разных горизонтов — например, 30, 40 и 50 дней, включая сверхдолгосрочные таймфреймы. Ведущий отметил, что фонд Dunn Capital Management применяет автоматизированный систематический процесс адаптации параметров с 2006 года. По мнению Нильса, 47-летний подтвержденный трек-рекорд Dunn доказывает: способность модели стабильно функционировать на 50-летней истории гораздо важнее и репрезентативнее, чем выдающиеся показатели на коротком 5-летнем отрезке.
🎲 Магия выборки и хаос «хвостов» распределения 21:08
Второй блок дискуссии был инициирован вопросом слушателя Антонио, который коснулся проблемы урезания статистической выборки. Антонио отметил, что искусственные ограничения — например, торговля только в короткую сторону, исключение целых классов активов или увлечение краткосрочным сезонным трейдингом — критикуются за снижение объема доступных данных. Он спросил, справедливо ли суждение, что малая выборка повышает неопределенность для управляющего, и не должен ли тренд-фолловинг, напротив, искать рынки с неполной информацией, хаотичным поведением и малым числом участников.
Ричард Бреннан подтвердил, что искусственное сокращение выборки ради получения желаемого краткосрочного исхода неизбежно влечет за собой серьезные риски. В эффективной рыночной среде уменьшение объема данных приводит к ухудшению соотношения сигнала и шума. Когда информации становится меньше, математическая способность извлечь из нее устойчивую вероятность падает.
Основная проблема тренд-фолловеров, по словам Бреннана, заключается в том, что целевые «выбросы» (outliers) по определению происходят крайне редко. На примере одного рынка с 30-летней историей инвестор может зафиксировать всего около трех масштабных трендов. Статистика системной торговли показывает:
- Лишь 10% от общего числа сделок генерируют сверхприбыль за счет удержания сильных трендовых выбросов.
- Оставшиеся 90% сделок представляют собой череду чередующихся линейных выигрышей и небольших потерь.
Если ограничить анализ рамками одного инструмента, 30 сделок за 30 лет не дадут достаточного объема информации. Решением этой проблемы является масштабная диверсификация: применение идентичной модели к портфелю из 200 различных рынков (как это делает известный инвестор Джерри Паркер) кратно увеличивает размер выборки и позволяет эффективно извлекать прибыль из совокупного распределения доходности.
Бреннан сослался на недавний тезис Нассима Талеба, утверждающего, что режимы высокой волатильности практически не содержат полезной информации для прогнозирования. Как отмечает аналитик Марк Жепчинский, поведение цен в экстремальных «хвостах» ближе к распределению Коши, нежели к нормальному гауссовскому распределению. Распределение Коши в среде статистиков называют «патологическим», поскольку оно не имеет стабильного математического ожидания (среднего значения) или медианы — в этой зоне цена способна совершать любые хаотичные движения.
В условиях полного отсутствия предсказательной информации в «хвостах» системные инвесторы полагаются на асимметричную конструкцию модели (asymmetrical design constraint): жестко ограничивать убытки и позволять прибыли расти. Классический тренд-фолловинг не использует фиксированные цели по прибыли (take-profit), поскольку исходит из предпосылки, что движение цены в состоянии хаоса неограниченно.
Между собеседниками возникла дискуссия относительно динамического управления размером позиций (Dynamic Position Sizing / Volatility Targeting). Нильс Кааструп-Ларсен высказал мнение, что фонды, использующие динамическое выравнивание риска, демонстрируют сопоставимую долгосрочную доходность с классическими фондами за счет более эффективной работы в рамках тех самых 90% сделок, которые не становятся долгосрочными выбросами, но остаются умеренно прибыльными. Бреннан парировал это тем, что сознательно фокусируется исключительно на 10% экстремальных трендов, так как фундаментально не доверяет стабильным рыночным режимам. По его мнению, сглаживание кривой доходности с помощью динамического изменения позиций часто служит целям маркетинга и привлечения институционального капитала (AUM), в то время как для индивидуального системного инвестора критически важно помнить: именно редкие хвостовые события обеспечивают практически весь прирост сложного процента на сверхдлинных дистанциях.
📦 Скрытые риски: «складирование» против контролируемого сброса 41:52
Среди системных трейдеров существует негласное понятие «складирования риска» (warehousing risk). Ричард Бреннан пояснил, что внешне привлекательная, идеально гладкая кривая доходности фонда часто является симптомом накопления отрицательной асимметрии (negative skew). Классическим историческим примером такой скрытой уязвимости стал крах хедж-фонда Long-Term Capital Management (LTCM). Традиционные метрики рисков, включая коэффициент Шарпа и стандартное отклонение волатильности, принципиально не способны зафиксировать эту угрозу до тех пор, пока не наступит катастрофическое событие.
Бреннан сформулировал фундаментальный закон рынка: риск невозможно уничтожить, его можно либо перенести (трансферировать), либо освободить (сбросить). Портфельные менеджеры традиционно используют корреляционные матрицы для взаимного зачета рисков разных активов внутри портфеля, что позволяет повысить капиталоемкость и удерживать больше позиций. Однако в экстремальных условиях исторические корреляции полностью разрушаются.
В отличие от классического распределения рисков, системные последователи тренда используют иной подход:
- Каждый актив в портфеле получает строго равный объем риска при входе, без попыток манипулировать весами на основе текущих корреляций.
- Риск не накапливается внутри системы, а физически ликвидируется (освобождается) в момент срабатывания жесткого стоп-приказа или выполнения условий выхода.
- Очищенный от «старого» груза портфель сохраняет постоянную готовность к принятию новых рисков, возникающих в ранее невиданных, экзотических рыночных условиях.
Нильс Кааструп-Ларсен дополнил, что ежедневная переоценка позиций по рыночным ценам (mark-to-market) заставляет тренд-фолловеров признавать и фиксировать реальный риск каждые 24 часа, в то время как управляющие фондами прямых инвестиций или непубличных активов могут месяцами маскировать падение стоимости из-за отсутствия регулярного клиринга.
🏔️ Феномен масштаба и психология долгосрочного инвестора 50:36
Иллюстрацией тезиса о доминировании «хвостов» распределения послужила статья известного финансового писателя Моргана Хаузела «Tales You Win». Хаузел доказывает, что долгосрочные результаты в любой сложной системе — будь то венчурный капитал, спорт, бизнес или карьера — определяются единичными сверхмощными событиями. В качестве примера приводится история студии Уолта Диснея: компания создала более 400 анимационных лент и находилась на грани банкротства, пока не выпустила фильм «Белоснежка и семь гномов». Этот единственный хвостовой успех позволил мгновенно закрыть все долги, выплатить сотрудникам рекордные бонусы и приобрести ультрасовременную студию в Бербанке.
Хаузел формулирует важный психологический парадокс: из-за того, что внимание общества приковано исключительно к гигантским, знаменитым и влиятельным результатам, люди склонны фатально недооценивать, насколько в действительности редки и уникальны подобные события. Данный паттерн прослеживается везде:
- В индексе S&P 500 подавляющую часть исторической доходности обеспечивают всего 5 технологических компаний.
- В структуре доходов корпорации Apple локомотивом выступает один продукт — iPhone.
- Успех многолетней инвестиционной деятельности Уоррена Баффета и Чарли Мангера базируется на узкой горстке удачных сделок, совершенных за десятилетия.
Этот феномен тесно связан с восприятием масштаба в трейдинге. Начиная торговлю, инвестор психологически настраивается на мгновенный взлет кривой капитала. Однако реальность тренд-фолловинга такова, что первые 100, 150 или 200 сделок могут удерживать портфель в затяжной просадке или стагнации. Человеческий мозг зацикливается на этой череде мелких линейных потерь, воспринимая их как масштабную катастрофу и заставляя сомневаться в работоспособности алгоритма. Но когда из «левого хвоста» внезапно вылетает один крупный тренд, он перекрывает все предыдущие убытки на несколько порядков.
Для защиты психики оператора от деструктивного влияния текущей волатильности Ричард Бреннан и Джерри Паркер используют метод контроля закрытого (реализованного) баланса, сознательно абстрагируясь от плавающей бумажной прибыли. Как утверждал Джордж Сорос, инвестор должен тратить все свои силы на сохранение базового капитала, но обязан идти на максимальный риск и проявлять крайнюю агрессивность, когда речь идет об удержании и наращивании открытой бумажной прибыли.
В финале дискуссии Нильс Кааструп-Ларсен резюмировал, что 99.9% людей физически не способны успешно практиковать следование за трендом в ручном режиме. Эмоции и эволюционные особенности человеческого мозга неизбежно приводят к фиксации прибыли на ранних этапах и пересиживанию убытков. Именно поэтому пионеры системного анализа — такие как Билл Данн в 1970-х годах — тратили колоссальные усилия, посещая библиотеки и вручную набивая перфокарты на первых вычислительных машинах, чтобы полностью исключить человеческий фактор из процесса принятия торговых решений.
