HFT-дегі аттракторлар: математика нарықпен кездескенде

Мынаны елестетіп көріңіз: сіз шарды воронкаға түсіресіз. Оны қайдан түсірсеңіз де, ол әрдайым ортасына қарай домалайды. Сол орталық — аттрактор, яғни барлық мүмкін траекториялардың жинақталу нүктесі. Енді қаржы нарықтары да осыған ұқсас жұмыс істейді деп елестетіңіз, бірақ шарлардың орнына активтердің бағалары, ал воронканың орнына күрделі математикалық үлгілер бар. Жоғары жиілікті сауда әлеміндегі аттракторлар әлеміне қош келдіңіз!

Аттрактор деген не және трейдерге ол не үшін керек?

Аттрактор — динамикалық жүйенің фазалық кеңістігінің ықшам ішкі жиыны, оған белгілі бір маңайдан шыққан барлық траекториялар уақыт шексіздікке ұмтылған сайын тартылады[1][7]. Күрделі көрінеді ме? Шындығында бәрі қарапайым: бұл жүйе магниттей "тартылатын" нүкте немесе аймақ[8][16].

Аттракторлар нақты өмірде барлық жерде кездеседі. Үйкелісі бар маятник ақыр соңында ең төменгі нүктесінде тоқтайды — бұл оның аттракторы[1][7]. Ваннадағы су бетінде қанша құйын жасасаңыз да, ол әрқашан ағызатын саңылауға қарай ағады. Тіпті адам мінез-құлқының да өз аттракторлары бар — біз қайта-қайта оралатын әдеттер.

Қаржы нарықтарында аттракторлар нарық қайта-қайта оралатын белгілі бір бағалар немесе қайталанатын үлгілер түрінде көрінеді[8][16]. Мысалы, тепе-теңдік бағасы аттрактор ретінде әрекет етіп, ағымдағы бағаны өзіне тартады[10]. Бұл акциялардың бағасы неге шексіздікке ұшпайтынын, керісінше белгілі бір деңгейлер айналасында тербелетінін түсіндіреді.

Теориялық негіздер: қарапайымнан күрделіге дейін

Динамикалық жүйедегі нүктелік аттракторларды, шектік циклдерді және бөгде аттракторларды көрсететін концептуалды диаграмма

Аттракторлардың әртүрлі түрлері бар. Ең қарапайымы — нүктелік аттрактор. Бұл классикалық маятник мысалы: жүйе ақыр соңында бір ғана нүктеде тоқтайды[1][3]. Саудада мұндай аттрактор негіздерден есептелген активтің әділ құнына сәйкес келуі мүмкін.

Қызығырақ жағдай — шектік цикл. Жүйе бір нүктеде тоқтамайды, тұйық траектория бойымен циклді түрде қозғалады[3]. Нарықтарда бұл маусымдық баға ауытқуларына немесе техникалық қолдау мен кедергі деңгейлеріне сәйкес келуі мүмкін.

Бірақ ең қызықтысы — бөгде аттракторлар. Олар күрделі көрінеді және нарықтың сырттай кездейсоқ мінез-құлқындағы жасырын тәртіпті ашуы мүмкін[8][16]. Бөгде аттрактордың құрылымы фрактальды; траекториялар периодты емес, бірақ кеңістіктің шектелген аймағында қалады[7]. Классикалық мысал — детерминистік жүйелердегі хаостық мінез-құлықты сипаттайтын Лоренц аттракторы[1][17].

Хаос теориясының негізін салушы Эдвард Лоренц бастапқы жағдайлардағы кішкентай өзгерістер түбегейлі әртүрлі нәтижелерге әкелетінін анықтады — атақты "көбелек эффектісі"[17]. Қаржы нарықтарында бұл кішігірім оқиғалар болжанбайтын баға секірістерін тудыруы мүмкін дегенді білдіреді[17].

"Көбелек эффектісін" визуализациялау: кішкентай жергілікті ауытқулар қалай орасан зор жаһандық нарықтық қозғалыстарды тудыруы мүмкін

Қаржы нарықтарындағы аттракторлар

Қаржы нарықтары контекстінде аттракторлар әртүрлі уақыт масштабтарында және түрлі формаларда көрінеді. Жоғары жиілікті деңгейде олар арбитраждық аргументтермен негізделеді — бір баға заңы бірдей активтердің арбитраждық мүмкіндіктерді болдырмау үшін бірдей бағамен саудаланатынын білдіреді[15]. Бұл әртүрлі нарықтарда сауда жасалатын бір активтің бағалары арасында аттракторлар тудырады.

Төменгі жиіліктерде аттракторлар уақыт қатары айнымалылары арасындағы тепе-теңдік қатынастарды білдіретін экономикалық теориялармен байланысты[15]. Тұрақты табыс моделі тұтыну мен табыс арасындағы коинтеграцияны білдіреді; ақшаға деген сұраныс модельдері ақша, табыс, бағалар мен пайыздық мөлшерлемелер арасындағы коинтеграцияны білдіреді[15].

Дағдарыс кезіндегі нарық мінез-құлқы әсіресе қызық. Бір трейдер атап өткендей, "баға әрдайым тепе-теңдік жағдайына қарай қозғалады, және олар көп"[10]. Тепе-теңдік жағдайды нарықтық бұйрықтардың саны лимиттік бұйрықтардың санынан аз немесе оған тең болатын баға ретінде анықтауға болады[10]. Осылайша, тепе-теңдік бағасы ағымдағы бағаны өзіне тартып, аттрактор ретінде әрекет етеді[10].

Коинтеграция — аттракторлардың практикалық көрінісі ретінде

Осында біз аттракторлар мен коинтеграция арасындағы негізгі байланысқа келеміз. Коинтеграция екі немесе одан да көп активтердің бағалары арасындағы ұзақ мерзімді қатынасты сипаттайды[6]. Екі актив коинтеграцияланған кезде, олар ортақ стохастикалық трендтерге ие болады, ал олардың бағалары бірге қозғалады[6].

Коинтеграцияланған активтердің бағалары спредтің стационарлығына байланысты байланысты[6]. Бұл бағалар арасындағы спред шексіз өспейді немесе төмендемейді, керісінше белгілі бір орта мән айналасында тербеледі дегенді білдіреді. Негізінде, осы орта мән — спредтің аттракторы.

Жұптық саудадағы коинтеграция: екі байланысты активтің бағалары ортақ ұзақ мерзімді тепе-теңдік жолын (аттракторды) айналып өтеді

Практикалық мысалды қарастырайық. Коинтеграцияланған A және B акцияларының жұбын алайық. Олардың арасындағы спред былай есептеледі: Spread = P_A - γ*P_B, мұндағы γ — коинтеграция коэффициенті[4][20]. Бұл спред стационарлы болуға бейім, яғни оның тұрақты орта мәні және шектелген дисперсиясы бар[4][20].

Спред өзінің орта мәнінен (аттрактордан) ауытқыған кезде, сауда мүмкіндігі туындайды. Егер спред тым үлкен болса, біз A активін сатып, B активін сатып ала аламыз, спредтің орта мәнге қайта оралуын күте отырып. Керісінше, спред тым кіші немесе теріс болса, біз керісінше жасаймыз[4][9].

Алгоритмдік саудадағы қолданылуы

Заманауи алгоритмдік сауда сауда стратегияларын құру үшін аттракторлар концепциясын белсенді пайдаланады[2]. Алгоритмдер нарық деректерін бақылап, үлгілерді анықтап, кез келген адамға қарағанда бұйрықтарды әлдеқайда тиімді орындай алады[2].

Сандық саудаға маманданған Algoter компаниясы өзінің басты өнімі Goldseek-те машиналық оқыту, нақты уақыттағы деректерді талдау және нарықты терең түсінуді біріктіріп, өзгеретін нарық динамикасына бейімделетін стратегиялар жасайды[2]. Бұл жүйелер нарыққа реакция жасаудың орнына, инвесторларға тұрақсыздық пен мүмкіндіктерден озық болуға көмектесіп, оны алдын ала болжауға тырысады[2].

Жасанды интеллект пен күшейтілген оқытудың дамуымен, сауда жүйелерінің келесі буыны өткен деректерден үйрене алады, стратегияларды бірден бейімдейді, тіпті жаңа нарықтық режимдерді олар толық қалыптаспай тұрып тани алады[2].

Жұптық сауда (pairs trading) — аттракторлар концепциясына негізделген ең танымал стратегиялардың бірі[9][14]. Бұл трейдерлерге нарықтың кез келген жағдайында — өсу трендінде, төмендеу трендінде немесе бүйірлік қозғалыста — пайда табуға мүмкіндік беретін нарыққа бейтарап сауда стратегиясы[14].

Стратегия тарихи корреляцияланған екі бағалы қағаздың нәтижелерін бақылайды. Екеуінің арасындағы корреляция уақытша әлсіреген кезде — бір акция көтеріліп, екіншісі түскенде — жұптық сауда жақсы нәтиже көрсетіп тұрған акцияны сатуды және нашар нәтиже көрсетіп тұрған акцияны сатып алуды қамтиды, олардың арасындағы "спред" ақыр соңында жақындасады деп болжай отырып[14].

Практикалық сауда стратегиялары

Аттракторға негізделген стратегияның нақты іске асырылуын қарастырайық. Мысалы, коинтеграцияны көрсететін (VSYDP, NKHP) акциялар жұбын алайық[4].

1-қадам: Параметрлерді анықтау Сауда стратегиясының параметрлерін анықтау үшін бақылаулардың бірінші жартысын пайдаланыңыз. Коинтеграция коэффициенті γ есептеп, орташа спред деңгейін (біздің аттракторымызды) анықтаңыз[4].

2-қадам: Сигнал генерациялау Аттрактордан ауытқу шегін орнатыңыз. Әдетте спредтің стандартты ауытқулары пайдаланылады. Спред орта мәннен кез келген бағытта 2 стандартты ауытқуға ауытқыған кезде, сауда сигналы генерацияланады[4].

3-қадам: Мәмілені орындау Спред төменгі шектен төмен болса, A акциясын сатып алып, B акциясын 1:γ қатынасында сатыңыз. Спред орта мәнге (аттракторға) қайта оралғанда, позицияны жабыңыз[4].

4-қадам: Тәуекелдерді басқару Спред орта мәнге қайта оралудың орнына тренд бере бастаған жағдайда стоп-лосс орнатыңыз. Бұл активтер арасындағы қатынастың құрылымдық өзгерістеріне байланысты орын алуы мүмкін[14].

Мұндай стратегиялар мамандандырылған жүйелер арқылы автоматтандырылады. Мысалы, TradeHelp роботы "Коинтеграция бағалау" функциясын ұсынады, ол екі немесе одан да көп бағалы қағаздардың арбитраждық себеттері үшін Йохансен тесті арқылы коинтеграцияны есептейді[18].

Озық әдістер және көпөлшемді аттракторлар

Көпөлшемді жүйе (Йохансен тесті): активтер себеті бір мезгілде ортақ күрделі аттракторға қарай тартылады

Заманауи тәсілдер жұптық саудамен шектелмейді. Йохансен тесті бірнеше активтер бір мезгілде ортақ аттракторға ұмтылатын көпөлшемді жүйелермен жұмыс істеуге мүмкіндік береді[18]. Бұл арбитраждық тәуекелдерді айтарлықтай төмендетеді және стратегияның тұрақтылығын арттырады[18].

Коинтеграция коэффициенттерін (себеттегі бағалы қағаздардың салмағын) есептеу кезінде тек әр бағалы қағазға шаққандағы ақша сомасы ғана емес, оның құбылмалылығы да ескеріледі[18]. Себет арбитражының базасы айқын трендке ие емес, бұл базаның орта мәнге қайта оралып, пайда әкелу ықтималдығын арттырады[18].

Жоғары жиілікті және төмен жиілікті коинтеграция арасындағы айырмашылықты түсіну де маңызды. Жоғары жиілікті коинтеграция арбитраждық аргументтермен негізделеді және әдетте техникалық сауда факторларымен байланысты[15]. Төмен жиілікті коинтеграция ұзақ мерзімді экономикалық қатынастарға негізделеді және жылдар бойы сақталуы мүмкін[15].

Аттракторға негізделген стратегиялардың шектеулері мен тәуекелдері

Аттрактор концепциясының тартымдылығына қарамастан, оған негізделген сауда тәуекелсіз емес. Негізгі қиындық екі бағалы қағаздың бағалары алшақтай бастаған кезде туындайды — спред бастапқы орта мәнге қайта оралудың орнына тренд бере бастайды[14].

Дрейф — негізгі тәуекелдердің бірі. Орта мәндер өзгерген кезде, мұны кейде "дрейф" деп атайды[14]. Аттрактор жаңа позицияға ауысуы мүмкін, ал ескі сауда моделі жұмыс істемей қалады. Мұны болдырмау үшін қатаң тәуекелдерді басқару ережелері қажет, олар трейдерді бастапқы алғышарт — орта мәнге қайта оралуға бет — жарамсыз болғаннан кейін бірден шығынды мәміледен шығуға мәжбүрлейді[14].

Модель тәуекелдері де маңызды. Нарыққа бейтарап стратегиялар CAPM моделінің жарамды екенін және бетаның жүйелік тәуекелдің дұрыс бағасы екенін болжайды — олай болмаса, нарықтар өзгерген кезде сіздің хеджіңіз сізді дұрыс қорғамауы мүмкін[14].

Қаржы жүйелеріндегі көбелек эффектісі басында болатын ең кіші өзгерістердің де үлкен және күтпеген салдарларға әкелуі мүмкін дегенді білдіреді[8][17]. Кіріс деректеріндегі немесе модельдегі ең кіші өзгерістер болжамдарды айтарлықтай өзгертіп, ұзақ мерзімді болжамды қиындатуы мүмкін[8].

Іске асырудың техникалық аспектілері

Аттракторға негізделген стратегияларды практикалық іске асыру үшін елеулі техникалық дайындық қажет. Заманауи жүйелер статистикалық есептеулер үшін R немесе Python пайдаланады[18]. Алгоритмдер үлкен көлемдегі нарық деректерін өңдей отырып, нақты уақыт режимінде жұмыс істеуі керек.

Негізгі техникалық компоненттерге мыналар кіреді:

Деректерді жинау жүйесі — нақты уақыттағы баға белгілерін және кері тестілеу үшін тарихи деректерді алу үшін.

Статистикалық талдау модулі — коинтеграцияны есептеу, аттракторларды анықтау және сауда сигналдарын генерациялау үшін.

Тәуекелдерді басқару жүйесі — позиция көлемін бақылау, стоп-лосстарды орнату және портфельдің жалпы тәуекелін бақылау үшін.

Бұйрықтарды орындау модулі — сауда бұйрықтарын автоматты түрде орналастыру және басқару үшін.

Төмен кідіріс те өте маңызды. Жоғары жиілікті саудада реакция жылдамдығы трейдерлерге тар спредтерден пайда алуға мүмкіндік береді[14].

Қорытынды: саудадағы аттракторлардың болашағы

Алгоритмдік саудадағы аттракторлар концепциясы нарық мінез-құлқын түсіну мен болжаудың қуатты құралы болып табылады. Коинтеграция — қаржы нарықтарындағы аттракторлардың практикалық көрінісі, онда байланысты активтер арасындағы спредтер тепе-теңдік мәндеріне ұмтылады.

Заманауи машиналық оқыту мен ЖИ технологиялары нарық деректеріндегі жасырын аттракторларды анықтау үшін жаңа мүмкіндіктер ашады[2]. Жүйелер тек алдын ала бағдарламаланған ережелерді ғана орындап қоймай, нарықтық кері байланысқа жауап ретінде үздіксіз жетілдіріле алатын дәрежеге жетуде[2].

Дегенмен, қаржы нарықтары қатысушылардың мінез-құлқы үнемі дамитын күрделі бейімделгіш жүйелер екенін есте сақтау маңызды. Аттракторлар ауысуы, жоғалуы немесе жаңа жерлерде пайда болуы мүмкін. Аттракторға негізделген сәтті сауда тек математикалық қағидаттарды түсінуді ғана емес, сонымен қатар өзгеретін нарық жағдайларына үздіксіз бейімделуді де талап етеді.

Сайып келгенде, HFT-дегі аттракторлар кепілдендірілген пайда табудың сиқырлы формуласы емес, нарық динамикасын жақсырақ түсінуге арналған құрал. Кез келген құрал сияқты, ол шебер қолдануды, үздіксіз жетілдіруді және өз модельдеріне деген салауатты скептицизмді талап етеді.

Дәйексөз

@article{soloviov2025attractorsalgotrading,
  author = {Soloviov, Eugen},n  title = {Attractors in HFT: When Mathematics Meets the Market},
  year = {2025},
  url = {https://marketmaker.cc/en/blog/post/attractors-algotrading},
  version = {0.1.0},
  description = {How the concept of attractors and cointegration helps build market-neutral strategies and understand market dynamics.}
}

References

1. https://smart-lab.ru/blog/816882.php
2. https://algoter.com/алгоритмическая-торговля/объяснение-алгоритмической-торговли/?lang=ru
3. https://keldysh.ru/comma/html/ds/attractors.html
4. https://habr.com/ru/articles/344674/
5. https://www.ig.com/de/trading-strategien/pairs-trading-erklart-190520
6. https://hudsonthames.org/an-introduction-to-cointegration/
7. https://ru.wikipedia.org/wiki/Аттрактор
8. https://www.mql5.com/ru/articles/15332
9. https://utmagazine.ru/posts/6789-parnyy-treyding-para-akciy-korrelyaciya-kointegraciya-spreda-investicionnyy-portfel
10. https://www.mql5.com/ru/forum/434802
11. https://ru.wikipedia.org/wiki/Алгоритмическая_торговля
12. https://ya.ru/neurum/c/nauka-i-obrazovanie/q/chto_takoe_attraktor_i_chem_on_otlichaetsya_41ce2642
13. https://rusforexclub.com/articles/17-pair-trading/104-vvedenie-v-kointegratsiyu-vremennykh-ryadov
14. https://en.wikipedia.org/wiki/Pairs_trade
15. https://faculty.washington.edu/ezivot/econ584/notes/cointegration.pdf
16. https://ya.ru/neurum/c/ekonomika-i-finansi/q/kak_attraktory_ispolzuyutsya_v_modelirovanii_d0a7f160
17. https://smart-lab.ru/blog/1145333.php
18. https://robotcraft.ru/Article/Details/skoring-s-kointegraciej
19. https://perm.hse.ru/mirror/pubs/share/974309871.pdf
20. https://utmagazine.ru/posts/6820-kointegracionnyy-podhod-k-parnomu-treydingu