В новом выпуске серии Open Interest на канале Top Traders Unplugged ведущий Мориц Зайберт беседует с Жеромом Кало, сооснователем швейцарского квантового хедж-фонда DCM Systematic. В центре дискуссии — стратегии, альтернативные традиционному следованию за трендом (Trend Following), использование машинного обучения в финансах и проактивные методы управления рисками.
📈 Альтернатива тренд-фолловингу: поиск ортогональной альфы 4:24
Жером Кало, имеющий многолетний опыт работы в BlueTrend (один из флагманов тренд-фолловинга под управлением BlueCrest Capital Management), объясняет, почему при создании DCM Systematic в 2014 году он сознательно отказался от стратегий следования за трендом .
По мнению Кало, рынок CTA (Commodity Trading Advisors) перенасыщен гигантами, использующими импульсные модели. Для инвестора добавление еще одного тренд-фолловера в портфель часто несет лишь избыточный риск без должной диверсификации . Программа Diversified Alpha от DCM была запущена в 2016 году с целью стать «ортогональным» дополнением к классическим CTA-стратегиям .
Ключевые принципы формирования портфеля в DCM:
- Исключение тренда: Авторы сознательно ограничивают свои модели, чтобы они не коррелировали с индексом Societe Generale CTA .
- Мультистратегический подход: Использование более чем 25 индивидуальных систематических моделей на ликвидных фьючерсных рынках .
- Дополнение, а не замена: Кало утверждает, что их подход не отрицает эффективность тренд-фолловинга, а сидит «рядом» с ним в портфеле аллокатора .
🧠 Три столпа стратегии DCM: Поведенческие факторы, Relative Value и Макро 9:58
Стратегии фонда разделены на три ключевых блока, каждый из которых эксплуатирует определенные рыночные неэффективности.
1. Поведенческие модели (Behavioral) 11:05
Вместо того чтобы пытаться предсказать движение цены напрямую, DCM анализирует действия крупных участников рынка. Кало задает вопрос: «Что легче — предсказать рынок или предсказать участников, использующих известные стратегии?» .
- Антиципация потоков (Flow anticipation): Модели отслеживают «отпечатки», которые оставляют крупные фонды при ребалансировке позиций (Carry, Value, Momentum) . Поскольку гиганты не могут выйти из позиций мгновенно, их операции создают предсказуемое давление на цены в течение нескольких дней .
- Эффекты конца месяца: По словам Жерома, несмотря на академическую изученность, «эффект конца месяца» сохраняется, так как крупные пулы капитала работают по жестким календарным графикам отчетности и ребалансировки .
- Shock Impulse: Модели анализируют реакцию рынка на резкие шоки (2 сигма). Опыт показывает, что после таких скачков часто происходит овершутинг (чрезмерное движение), за которым следует нормализация в течение недели .
2. Relative Value и спредовая торговля 23:46
В этом блоке фонд ищет возможности для арбитража между взаимосвязанными инструментами, такими как Brent против WTI или корзины валют .
- Статистический арбитраж на FX: DCM использует факторные модели (3-факторная модель объясняет до 80-90% вариативности валют G10) . Однако они игнорируют основные драйверы и торгуют оставшимися 10-15% «необъяснимой» вариативности — идиосинкразическими отклонениями, которые склонны к возврату к среднему (mean reversion) в пределах 10-20 дней .
- Торговля кривой (Term Structure): Использование разницы в наклоне кривых фьючерсов (контанго/беквордация) для извлечения ролл-доходности при нейтрализации спотового риска .
3. Макро-модели 41:48
- Долгосрочные сигналы: Использование данных по инфляции (CPI) и собственных моделей «nowcasting» для принятия позиций в облигациях и валютах на срок более месяца .
- Межрыночные связи (Cross-asset): Кало отмечает сильную компрессию рынков: из 75 торгуемых контрактов реальных «степеней свободы» (независимых факторов) осталось всего около 20 . Это следствие глобализации и синхронизации потоков капитала после 2008 года . DCM использует это для переноса сигналов: например, поведенческий сигнал с рынка нефти Brent может быть реализован через корзину валют, имеющих высокую прокси-корреляцию с нефтью .
🛡️ Управление рисками: Проактивность против реактивности 34:25
Жером Кало подчеркивает, что управление рисками в DCM так же важно, как и генерация сигналов. Он выделяет два подхода:
- Проактивный риск-менеджмент: Регулярное проведение стресс-тестов на основе исторических сценариев («черных лебедей»).
- Реактивный риск-менеджмент: Корректировка позиций по факту роста реализованной волатильности .
Особое внимание уделяется сценариям типа «Volmageddon» (февраль 2018 года). DCM внедряет в систему ограничения: «Если подобный сценарий повторится завтра, я не хочу потерять более 2% на этой сделке» . Фонд категорически не входит в короткие позиции по индексу VIX, предпочитая быть в «длинной волатильности» во время рыночных шоков для защиты портфеля .
🤖 Машинное обучение: Ожидания против реальности 48:35
Несмотря на наличие PhD в области машинного обучения (ML) у Кало и других членов команды, он призывает к осторожности в использовании ИИ в трейдинге .
Основные проблемы применения LLM и глубокого обучения в финансах по мнению Кало:
- Низкое соотношение сигнал/шум: В отличие от обработки изображений, на рынках фундаментальные события (например, снижение ставки ФРС) могут полностью перекрыть технический сигнал, что путает модель .
- Отсутствие стационарности: Если правила сворачивания белков в биологии не менялись миллионы лет, то правила на рынках меняются постоянно из-за изменения состава участников и их поведения .
- Недостаток данных: Для обучения качественных моделей (как GPT) требуются триллионы токенов. В финансах на дневных таймфреймах данных катастрофически мало. Использование ML более перспективно на высокочастотных данных (1-минутные бары), где объем выборки значительно выше .
Кало резюмирует, что рынок — это «движущаяся мишень» . Те паттерны, которые работали 10 лет назад, отмирают из-за распространения информации (как это случилось с доходностью старых товарных индексов), поэтому фокус на непрерывных исследованиях является единственным способом выживания квантового фонда .
