소개
이 글을 읽고 있다면, 아마 저를 데이터, 투자, 스타트업 분야의 작가로 알고 계실 겁니다. 어떤 분들은 저를 기술 스타트업인 Quandl의 공동 창립자로 알고 계실 수도 있습니다. Quandl은 몇 년 전 Nasdaq에 인수된 벤처 기업입니다. 아니면 엔젤 투자자로 알고 계실 수도 있습니다. 하지만 일본 헤지펀드에서 퀀트, 트레이더, 포트폴리오 매니저로 일했던 저의 이전 삶을 아는 사람은 거의 없을 것 같습니다. 그래서 저는 그 당시의 특정 모험에 대한 에세이를 쓰고 싶었습니다. 계속 읽어보세요!
"똑똑함보다 행운이 낫다"
대학을 졸업하고 제가 처음 취직한 곳은 일본 헤지펀드인 Simplex Asset Management의 프로그래머-애널리스트였습니다. 1998년 8월에 일을 시작했습니다. 정확히 한 달 후, 세계에서 가장 크고 가장 유명한 헤지펀드인 Long Term Capital Management가 엄청나게 폭발했습니다.
Pivotal을 읽어주셔서 감사합니다! 무료로 구독하여 새로운 게시물을 받고 제 작업을 지원하세요.
적어도 이것은 문제가 있었습니다.
단기적으로는 사실 우리에게 좋은 소식이었습니다. 당시 새로 출시된 우리 펀드는 LTCM의 몰락으로 이어진 동일한 양적 전략의 많은 부분을 거래할 것을 제안했습니다. 1 LTCM이 사라지면서 우리는 종종 그러한 기회를 쫓는 유일한 자본이었습니다. 우리가 3년 일찍 출시했다면 LTCM과 함께 폭발했을 것입니다. 3년 후에는 그러한 기회가 크게 줄어들었을 것입니다. 제 상사가 말했듯이 "현명함보다 운이 좋다".
하지만 더 긴 시각으로 보면 우리는 걱정했습니다. LTCM의 붕괴는 그들과 우리가 거래하는 전략의 근본적인 실행 가능성에 대한 의심을 불러일으켰습니다. 운만으로는 충분하지 않았습니다. 플랜 B가 필요했습니다.
이것이 그 플랜 B의 이야기입니다. 저는 그것이 완전히 의도적이고 전략적이었다고 말하고 싶지만, 현실은 훨씬 더 탐색적이고 부상적이었습니다. 그 끝에, 우리는 당시에는 실제로 이름이 없었던 것을 만들었다는 것을 발견했습니다. 시장 가격을 추적하고, 모델을 실행하고, 기회를 파악하고, 거래를 설계하고, 티켓을 처리하고, 헤지를 관리하고, 포지션을 종료하는 시스템입니다. 이 모든 것이 몇 초 만에 이루어졌습니다.
초? 네, 초입니다. 오늘날의 HFT 시스템에 비하면 웃기게 느립니다. 당시 시장보다 훨씬 앞서 있었습니다. 우리의 프로토 HFT 시스템은 10년 가까이 Simplex의 거래 활동(및 수익) 대부분을 주도했습니다. 저는 이 시스템의 주요 빌더이자 주요 트레이더 중 한 명이었습니다. 모든 일이 어떻게 일어났는지 알려드리겠습니다.
1부: 무대 설정
천재가 실패한 이유
LTCM과 Simplex는 둘 다 '컨버전스 트레이딩'을 전문으로 했습니다. 컨버전스 트레이딩은 서로 다른 증권 간의 관계에 대한 정량적 모델을 구축하고, 해당 관계의 불일치('가격 오류')를 이용하기 위해 베팅을 하고, 불일치가 해소되면('컨버전스') 수익을 올리는 것입니다.
하지만 잘못된 가격이 수렴하지 않는다면 어떻게 될까요? 아니면 더 나쁘게는, 차이가 난다면요? 거래에 두 배로 투자할 수는 있지만, 케인즈가 기억에 남을 만하게(비록 믿을 수 없지만) 말했듯이, 시장은 당신이 지불 능력을 유지할 수 있는 기간보다 더 오래 비이성적일 수 있습니다.
이것이 LTCM에 일어난 일이었습니다. 1998년 여름, 그들의 포트폴리오는 불리한 시장 움직임이라는 완벽한 폭풍에 휘말렸고, 그들이 보유한 모든 포지션에 걸쳐 나타났습니다. 2 이는 우연이 아니었습니다. 대신, LTCM의 과거 데이터에는 포착되지 않은 위기 상황에서 "모든 상관관계는 하나로 돌아간다"는 패턴을 반영했습니다. 다른 많은 투자자들은 LTCM과 매우 유사한 포지션을 가지고 있었고, 게다가 레버리지가 높았습니다. 그들이 그 포지션에서 손을 뗐을 때, LTCM의 모든 거래가 동시에 갈라졌습니다. LTCM은 기회가 없었습니다. 3
우리는 Simplex에서 이 모든 것을 관찰했고, 같은 운명을 겪지 않기로 결심했습니다. 하지만 그것은 컨버전스 트레이딩의 불가피한 부분처럼 보였습니다. 이 전략의 위험 프로필은 종종 "스팀롤러 앞에서 니켈을 주워 모으는 것"으로 묘사됩니다. 똑똑하고 민첩하고 민첩할 수 있지만 결국에는 짓밟힐 것입니다.
우리는 새로운 것이 필요했습니다. 이상적으로는 다음과 같은 것이었습니다.
시장과 모델의 융합에 의존하지 않았습니다.
과도한 레버리지를 사용하지 않았다
다른 투자자의 입장과 상관관계가 없음
불가능해 보였어요. 불가능했어요.
큰 아이디어: 소음을 수익화하다
두 개 이상의 증권 간의 관계를 식별하거나 예측하는 모델이 있다고 가정해 보겠습니다. 이 관계에서의 편차는 '스프레드'로 모델링할 수 있습니다. 즉, 두 채권 수익률 간의 차이, 예를 들어 채권과 채권 선물 간의 차이입니다. 관계가 유지되는 한 스프레드는 '평균 회귀'해야 합니다. 즉, 다음과 같이 0으로 돌아가야 합니다.
이것은 전형적인 솔로몬-LTCM 거래 스타일입니다. 잠시 동안 돈을 벌지만 결국 시장은 수렴하는 대신 발산하고, 당신은 폭락합니다. (나중에 다시 수렴하더라도요.)
하지만 아래에 강조된 이 그래프의 중간 부분을 확대해 보겠습니다.
입찰-매도의 종말
물론, 소음을 거래하겠다고 말하는 것은 한 가지입니다. 효과적으로 하는 것은 또 다른 것입니다.
하지만 우리는 효과 가 있는 몇 가지 기술을 찾았습니다.
스프레드 구성 요소를 직접 거래하는 대신, 유동적인 프록시를 거래하세요. 정확한 타겟팅에서 포기한 것은 왕복 거래 횟수에서 메우게 됩니다.
여러 전략을 겹쳐 놓고 여러 전략의 '순 변화'만 거래하세요.
기회주의적으로 다방면 거래에 참여하세요. 방향성 위험을 최소화하기 위해 이것을 무작위로 지정하세요.
시장 조성자의 단기 헤지 흐름을 예상하기 위해 블록 거래를 추적합니다.
장소 간 가격 차이에 대해 경쟁사보다 더 빠르게 대응합니다. (그때는 여전히 가능했습니다!)
변동성이 큰 시장에서 많이 거래하세요. 나머지 시장이 거시적 사건에 아직 반응하는 동안 수렴 포지션에 진입하거나 청산하세요.
시간(빈도)과 공간(전략) 측면에서 거래 수를 극대화합니다.
즉시 완성된 대략적인 헤지가 시간이나 비용이 걸리는 완벽한 헤지보다 낫다는 것을 깨달으세요.
이 모든 것은 하나의 결론을 지시합니다. 유동적인 시장에서 서로 다르지만 겹치는 융합 신호를 거래하는 포트폴리오 전반에 걸쳐 빠르고 자동화된 실행이 필요하다는 것입니다.
이제 우리는 그것을 만들어야 했습니다.
2부: 세부 사항 속의 악마
국고에는 보물이 있습니다
우리는 양적 모델링이 가능할 만큼 효율적이며, 노이즈 트레이딩이 가능할 만큼 변동성이 크고, 매수-매도 호가가 0이 될 만큼 유동적인 시장인 미국 국채부터 시작하기로 결정했습니다.
유동적이고 효율적이었을지 몰라도, 기술적으로 채권 시장은 여전히 1980년대에 머물러 있었습니다. 거래의 대부분은 전화로 이루어졌습니다. 전자 거래 장소는 분산되어 있고 불투명했으며, 전자 실행은 시장의 10% 미만이었습니다. 소수의 참여자만이 재무부 수익률 곡선을 올바르게 가격 책정하는 방법을 알고 있었습니다. 알고 있는 사람들은 일반적으로 당일 모델 실행에 의존했고, 일일 업데이트를 위해 Excel 스프레드시트를 사용했습니다. (여기에는 세계 최대 은행과 자산 관리자의 거래자가 포함되었습니다.) 우리에게 완벽한 시장이었습니다!
데이터는 내 주변의 모든 것을 지배합니다
첫 번째 단계는 데이터를 얻는 것입니다. 첫 번째 단계는 항상 데이터를 얻는 것입니다 5 .
그 당시에는 채권 시장 데이터를 얻는 데 사용할 수 있는 편리한 단일 API가 없었기 때문에 우리는 다음 과 같이 강제로 시도했습니다.
우리는 5개의 다른 투자 은행(국채 부문이 가장 큰 은행)에 아침, 정오, 일과 마감 시 가격 책정을 물었습니다. 그들은 이를 통해 자체 장부를 표시했습니다.
(결국 우리는 더 많은 서비스를 제공하기 위해 각 은행에 각 주요 데스크(TKY, LON, NYC)에 대해 이를 수행해 달라고 요청했습니다.)
때로는 이것들이 일반 텍스트였고, 때로는 이것들이 이미지나 PDF 또는 다른 문서 형식이었습니다. 그 당시에는 OCR 기술이 좋지 않았기 때문에 도쿄와 홍콩에 두 개의 별도 백오피스가 있어서 이러한 실행에서 가격을 수동으로 입력했습니다.
우리는 모든 주요 (실행 가능한) 거래소의 일중 화면 캡처를 자동으로 수행했습니다.
블룸버그와 로이터 단말기에도 동일한 작업을 수행했으며, 특히 시장 마감 시점의 가격에 초점을 맞췄습니다.
모회사는 다양한 펀드, 거래 전략, 지역에 대한 프라임 브로커리지 관계를 맺었고, 그들로부터 가격도 받았습니다.
물론 우리는 그 다음에 오류를 수정하고, 이상치를 제거하고, 체계적인 편향을 수정해야 했습니다. 7 대부분 채권의 가격이 소수의 '벤치마크' 이슈에 대한 스프레드로 인용되었기 때문에, 우리는 또한 모든 견적을 정규화하여 벤치마크가 일치하도록 해야 했습니다. 그리고 나서 우리는 이 모든 원자재를 각 채권에 대한 단일 '골든' 타임스탬프 가격으로 정제해야 했습니다.
아직 끝나지 않았습니다! 주식과 달리 국채는 고정된 만기를 가지고 있습니다. 모델링 측면에서 이는 채권이 하루하루 같지 않다는 것을 의미합니다. 오늘은 10년 채권이 있고 내일은 9년 364일 채권이 됩니다. 완벽한 일상적 모델 일관성을 위해(다음 섹션에서 중요해질 것입니다) 실제 채권의 선형 조합인 일정한 만기를 가진 '가상' 채권의 유니버스를 구성해야 했습니다.
이는 가상 채권이 동시에 만족하기 어려운 일련의 조건(적절한 행동, 매끄러운 가중치, 수익률 및 쿠폰 매칭, 희소 데이터 및 비대칭 처리)을 따라야 했기 때문에 사소한 문제가 아니었습니다. 저는 이 8 에 대한 수학을 알아내는 데 많은 시간을 보냈습니다.
좋은 것이 충분히 빠른 것은 아니지만 빠른 것이 충분히 좋다
우리의 워크호스는 N3라고 불리는 수익률 곡선 모델로, 'Normal 3-Factor'의 줄임말입니다. N3는 12개의 입력 매개변수가 주어지면 모든 만기에서 수익률을 내는 극도로 비선형적인 결합된 미분 방정식 세트였습니다. 매개변수 중 8개는 상수로, 경제의 변하지 않는 구조적 측면을 나타냅니다. 우리는 이를 약 1년에 한 번 보정하여 10년 이상의 과거 데이터에 걸쳐 실행하는 데 많은 시간이 걸리는 최적화(EM 알고리즘)를 실행했습니다. 나머지 4개 매개변수는 매일 바뀌어 현재 경제 상황을 정의하는 4개 숫자에 대한 시장의 암묵적 값을 반영했습니다. 즉, 당일 자금 조달 금리, 예상(실제) 성장률, 예상 인플레이션율, 위험 프리미엄 9 입니다.
N3를 사용하는 고전적인 방법은 수익률 곡선에서 4개의 '앵커' 지점(일정한 1주, 2년, 10년 및 30년 만기의 이자율)을 선택하여 이를 사용하여 4개의 매일 변경되는 매개변수(4개의 방정식, 4개의 미지수)를 해결하는 것입니다. 그런 다음 모델은 다른 모든 지점에서 수익률을 예측할 수 있습니다. 그런 다음 예측된 수익률에 비해 저렴(부유)해 보이는 채권을 매수(매도)할 수 있습니다. (쿠폰 효과, 현금 흐름 타이밍, 자금 조달 비용, 유동성 및 기타 까다로운 세부 사항을 고려합니다.)
하지만 해결이 느렸습니다. 전체 EM 교정에 걸리는 6~8시간이 아니라, 10초에서 몇 분까지 걸렸습니다. 우리가 포착하고자 했던 기회에는 충분하지 않았습니다.
우리는 하드웨어와 소프트웨어 모두에서 이것을 더 빠르게 할 수 있는 방법을 찾는 데 많은 시간을 보냈습니다. 아무것도 효과가 없었습니다. 10 .
그러다가, 획기적인 진전이 있었습니다!
우리는 시장 데이터의 각 틱마다 N3를 다시 풀 필요가 없다는 것을 깨달았습니다. N3는 엄청나게 복잡했지만, 작은 움직임의 경우 선형적으로 근사할 수 있었습니다. 그래서 우리는 약 60분마다 전체 풀이를 했습니다. 그 전체 풀이 중에 앵커 채권 가격의 각 작은 움직임에 대한 각 매개변수의 모든 편미분도 계산했습니다. 그런 다음 60분 재설정 사이의 모든 시장 움직임에 대해 선형 근사만 하면 됩니다. 간단한 행렬 곱셈으로 새 매개변수 값을 생성하고, 또 다른 행렬 곱셈으로 곡선 11 의 다른 곳에서 예측된 수익률을 생성할 수 있습니다.
우리는 이 개념적 돌파구를 워크플로 전반에 적용했습니다. 모든 일중 계산(실제 채권 대 가상 채권, 가격 공간 대 매개변수 공간, 요인 민감도, 헤지 비율)이 선형 근사치로 변환되었습니다. 행렬은 맨 아래까지!
구조 및 인프라
그래서 우리는 시장 기회를 빠르게 식별할 수 있는 시스템을 갖게 되었습니다. 다음 단계는 그것을 거래 실행 인프라에 연결하는 것이었습니다.
국채 시장 참여자는 크게 3가지 유형으로 나뉩니다.
고객: 채권을 매수 및 매도하고자 하는 자산 관리자(Simplex와 같은 헤지펀드 포함)
딜러: 시장을 조성하고 재고를 보유하여 거래를 원활하게 하는 대형 은행
브로커: 딜러 간 거래를 위한 실행 장소를 제공하지만 직접 거래하거나 재고를 보유하지 않는 전문 회사
그 당시에는 고객-딜러 거래는 전적으로 음성으로 이루어졌습니다. 딜러-딜러 거래는 때로는 음성으로, 때로는 전자적으로 이루어졌습니다. 일부는 직접 이루어졌고, 다른 일부는 브로커를 통해 이루어졌습니다. 마지막으로, 고객-고객 및 고객-브로커 거래는 존재하지 않았습니다. 딜러는 중개자 지위를 질투스럽게 지켰습니다.
우리는 그들을 피해 도망갔습니다. 몇몇 브로커를 설득해 전자 플랫폼에서 직접 거래할 수 있게 했고, 딜러가 따라올 수 없는 속도로 유동성을 확보할 수 있었습니다. 몇몇 전자 플랫폼에는 자동 티켓팅 시스템도 있었는데, 정말 좋았습니다.
7초 이하
하지만 딜러 없이는 할 수 없었습니다. 그들은 여전히 가장 큰 유동성 풀을 통제했고, 많은 채권 발행에서 그들은 마을의 유일한 게임이었습니다. 그리고 그들의 플로우 데스크는 고객과 음성으로만 거래했습니다.
우리는 다른 누구보다 더 빠르게 음성 거래를 실행할 수 있는 방법이 필요했습니다.
이는 결국 고전적인 워크플로 엔지니어링이 되었습니다. 우리는 음성 거래에 필요한 필수 작업을 파악했고, 가능한 한 많은 작업을 자동화했습니다.
딜러(브로커 아님) 실행이 필요한 기회를 식별합니다.
거래 설계: 다리, 방향, 채권 ID 및 명목상
견적 요청 메시지 자동 생성
메시지를 Bloomberg에 붙여넣고 딜러 영업사원에게 보내세요.
견적을 받고 가격을 분석하다
전화를 들고 '완료' 또는 '아니요' 라고 말하세요.
딜러로부터 거래 티켓을 받고 분석하세요
무역을 우리 포트폴리오에 추가하세요
이러한 단계의 대부분은 자동화할 수 있었습니다. 사람이 필요한 유일한 단계는 BBG 메시지를 보내고 답장에 예 또는 아니오를 말하는 것이었습니다. 가장 어려운 부분은 딜러 영업사원에게 일관된 형식으로 가격을 인용하도록 교육하여 자동으로 분석할 수 있도록 하는 것이었습니다. (LLM이 우리를 대신해 이 일을 해 주었으면 얼마나 좋았을까요?) 결국 프로토 트레이드 캡처 도구를 만들었습니다. 딜러의 메시지를 붙여넣으면 앱에서 모든 세부 정보를 추출하여 시스템으로 흘려보내는 위젯입니다. 라이브 견적을 위한 도구와 트레이드 확인을 위한 도구가 있었는데, 놀라울 정도로 잘 작동했습니다.
우리는 7초 이하로 줄이지는 못했지만, 정말 엄청나게 빨랐습니다.
후드 아래의 사건들
이러한 광범위한 획에 수반되는 더 작은 해킹도 많이 있었습니다.
저희 상태 모니터링 머신에는 사운드 카드가 없었습니다. 저는 부팅 비프음(클럭 사이클 사용)을 해킹해서 주파수로 곡을 기록하면 곡을 재생할 수 있도록 했습니다. 그때부터 시스템이 다운될 때마다 Imperial March가 사무실을 통해 비프음을 울렸습니다.
데이터베이스 속도와 필드 및 크기 제한 때문에, 어느 시점에서 우리는 전체 스왑 시장을 단일 '바이너리 대형 객체'(BLOB)로 인코딩하여 메모리에 로드하고 쿼리할 수 있었습니다. (그 당시 데이터베이스 기술이 얼마나 엉망이었는지 말씀드릴 수 없습니다.)
우리는 포지션, 액션, 헤지, 실시간 손익 및 위험을 표시할 UX가 필요했습니다. Excel에는 이론적으로 이를 수행할 수 있는 스트림 기능이 있었지만 느리고, 중단되거나 충돌하기 쉬웠으며, 감사할 수 없었습니다. 12 우리는 MarketView라는 Excel 복제본을 찾았는데, 이는 인용 스트리밍에 최적화되어 있었습니다. 스프레드시트로는 완전히 엉망이었지만, 우리는 신경 쓰지 않았습니다. 우리는 모든 계산을 서버 측에서 수행했고, MV를 멍청한 디스플레이로 사용했습니다.
우리는 처음에는 도쿄에 있는 본사에서 시스템을 구축하고 거래할 생각이었지만, 결국 뉴저지로 이사를 가서 그곳에 위성 거래 사무실을 세웠습니다. 공동배치의 초기 사례입니다!
사이드트랙과 놀라움
그 과정에서 몇 가지 불행한 일도 있었습니다.
그 당시 우리의 초자동 거래 조정 시스템은 백오피스가 아닌 모든 상대방 에게 모든 포지션을 이메일로 보냈습니다. 놀랍게도, 이 버그는 같은 코드 업데이트로 인해 발생한 또 다른 버그로 상쇄되어 이메일 서버가 망가졌습니다. 그래서 우리는 하루 더 거래할 수 있었습니다. 13 .
그때 저는 명목 거래에서 0을 잘못 썼어요. 공평하게 말해서 엔 거래였고, 0이 많았어요. 그리고 결국 아주 작은 포지션을 위해 엄청나게 복잡한 멀티레그 거래를 실행하게 되었어요. 저는 다음 날 실수를 잡았어요. 한 번은 시장이 제게 불리하게 움직여서 기뻤어요. 훨씬 더 나은 레벨인 14 에서 전체(의도한) 크기를 추가할 수 있었기 때문이죠.
당시 거래 시스템 전체가 사악한 버그 때문에 몇 주 동안 중단되어야 했습니다. 저수준 최적화 루틴이 두 가지 동등하게 유효한 솔루션 사이를 계속 바꾸었기 때문입니다(약간' 결정이 부족한 시스템이었음). 결국 우리는 그 원인이 어닐링 알고리즘, 난수 생성기, 고유값의 작동 방식 간의 불안정한 상호 작용 때문이라는 것을 알아냈습니다.
그때 - 실제로 한 번 이상 - 우리의 프라임 브로커가 당황해서 우리에게 전화를 걸었습니다. 그들의 트레이딩 데스크에서 우리가 자금 조달 한도의 여러 배를 매수(또는 매도)했다고 말했기 때문입니다. 그들은 우리가 이미 다른 곳에서 그 거래를 상쇄했다는 사실을 몰랐습니다. 펀드가 엄청난 거래 비용 없이 그 양의 거래량을 왕복할 수 있다는 생각은 그들에게 전혀 떠오르지 않았고, 우리는 그들에게 말할 생각이 없었습니다.
불운한 모험은 아니지만, 재밌는 부수적인 사실: 각 딜러 상대방은 우리가 그들과 함께 인쇄하는 거래량을 보고(하지만 오프셋에 대해서는 알지 못함) 우리가 그들의 경쟁자와 함께 포지션을 자금 조달하고 있다고 확신했습니다 .15 그래서 그들은 우리에게 그들과 함께 자금 조달할 수 있는 더 나은 거래를 제안하기 시작했습니다. 이것도 우리가 거래할 수 있는 정보가 되었습니다.
그때 우리는 어떤 컨버전스 스프레드에 대해 '공정 가치'를 어디에 설정하든 상관없다는 것을 발견했습니다. 스프레드에 노이즈가 있는 한, 우리의 손익 계산은 실제 수준에 민감하지 않았습니다. 이 명백한 회고적 발견은 우리의 학술 연구팀을 약간 미치게 만들었습니다.
승리한 기분은 어떤가?
이 새로운 HFT 접근 방식으로 전환하는 것은 느린 과정이었습니다. 우리는 아마도 문제에 대해 생각하고, 연구하고, 프로토타입을 구축하고, 백테스트를 하고, 다양한 수학적 세부 사항을 해결하는 데 1년을 보냈을 것입니다. 실제 핵심 시스템을 구축하는 데 또 다른 1년이 걸렸습니다. 그리고 거래량을 점진적으로 늘리고, 자동화할 영역을 파악하고, 버그를 수정하고, 전성기를 준비하는 데 또 다른 1년이 걸렸습니다.
하지만 효과가 있었습니다. 그리고 우리가 예상했던 것보다 더 잘 효과가 있었습니다. 미국 시장에서 고빈도 커브 트레이딩은 빠르게 우리 손익의 10%에서 50%(어떤 달에는 80%)로 증가했습니다.
손익 계산보다 더 나은 것은 거래 발자국이었습니다. 우리는 시스템에서 주요, 주요 허점을 발견했습니다. 포트폴리오 위험, 신용 한도, 상관 관계 - 업계 관행은 이 모든 것을 일중 마감 포지션을 기준으로 계산하는 것이었습니다. 하지만 우리의 일중 마감 포지션은 일반적으로 '평평'했습니다! 우리가 거래하던 노이즈는 일중 평균 회귀를 했기 때문에 모든 매수 및 매도가 상쇄되었습니다. 일중 마감 장부만 보는 상대방은 우리가 매우 적은 위험을 감수하고 있다고 결론 내리고 따라서 많은 증거금을 게시할 필요가 없다고 말할 것입니다. 16 .
또한 이는 우리에게 많은 자금 조달이 필요하지 않음을 의미했고, 이는 당일 레버리지가 거의 없음을 의미했습니다. 대차대조표 수익률은 매우 우수했습니다. 마지막으로, 우리의 손익 계산은 마감 간 시장 움직임과 거의 상관이 없었기 때문에 다른 시장 참여자와는 거의 상관이 없었습니다. 그들이 유사한 모델과 전략을 거래하고 있더라도 말입니다.
모델 융합에 대한 요구 사항 없음, 레버리지나 자금 조달 필요성 제한, 게시해야 할 마진이 극히 적음, 나머지 시장과의 상관관계가 낮음: 이것이야말로 성배였습니다.
우리의 독점적이고 연구 중심적인 모델 기반 프로프 트레이딩 전략이 성공적인 플로우 데스크의 행동적 프로필을 갖기 시작했다는 것이 일어났습니다. 이는 일종의 직관적인 의미가 있었습니다. 결국, 우리는 지속적으로 낮은 가격에 사고 높은 가격에 팔았고 거래를 오래 유지하지 않았습니다. 기본 논리는 컨버전스 모델에 의해 결정되었을 수 있지만 거래 패턴은 마켓 메이커의 패턴이었습니다. 17. 사실, 우리는 심지어 우리 자신을 '다중 증권 마켓 메이커'라고 생각하기 시작했는데, 우리의 핵심 모델은 단일 악기나 섹터 전문가보다 더 광범위한 헤지를 할 수 있었습니다.
겸손하게 말씀드리자면, 정말 아름다웠습니다.
시장은 복잡하지만 우리는 단순하다
네, 이게 우리의 비공식 모토였어요. 네, 끔찍해요.
핵심 인프라가 구축되고 효과가 입증되자 우리는 더 많은 것을 원했습니다. 우리는 스택에 여러 겹의 층을 추가했습니다.
N3는 훌륭한 모델이었지만, 그것은 단지 하나의 모델일 뿐이었습니다. 우리는 '공정 가치'가 중요하지 않고 '시장-모델 융합'이 중요하지 않다면, 즉 중요한 것이 일중 노이즈뿐이라면, 일중 노이즈를 일관되게 식별하는 모든 모델이 우리 시스템에서 작동해야 한다는 것을 깨달았습니다. 그래서 우리는 여러 모델을 추가하고 병렬로 실행했습니다. 이 중 일부는 경제적으로 근거가 있었고, 다른 일부는 그저 오래된 방식의 상관 관계 사냥이었습니다. 모든 데이터는 데이터이고 수학은 없습니다.
우리는 또한 더 많은 상품 거래를 시작했습니다: 스왑, 유로달러, 선물, 옵션, 교차 통화 기준 - 우리의 핵심 재무부 장부와 어떤 종류의 일중 상관관계나 평균 회귀를 보이는 모든 것, 빠르게 거래될 수 있는 한. (하지만 우리는 수학이 말이 되더라도 진정한 글로벌 장부를 운영한 적이 없습니다. 우리는 너무 많은 '알려지지 않은 미지수'와 비대칭 거시 위험이 있어서 편안할 수 없다고 느꼈습니다.)
우리는 시장에 미치는 영향에 대해 훨씬 더 정교해졌습니다. 언제 거래해야 하고 얼마만큼 거래해야 하는지, 시장 구조에서의 위험 신호와 녹색 신호, 기회의 반감기와 잔여 흐름, 계절적(실제로는 주간) 효과, 거시적 이벤트를 중심으로 거래하는 방법 등에 대해 알게 되었습니다.
작지만 강력하다
이 프로젝트가 얼마나 야심적이었는가(기술적 범위, 거래된 달러, 참신함 측면에서)를 감안할 때, 우리는 놀라울 정도로 작은 팀으로 이 모든 것을 성취했습니다.
TB는 이 프로젝트를 이끈 수석 포트폴리오 매니저였으며, 지금은 BlackRock의 수석 임원입니다.
HL은 이 시스템을 구축한 수석 프로그래머이자 아키텍트였으며, 이후 다른 몇몇 헤지펀드에서 CTO가 되었습니다.
RO와 GG는 코딩과 데이터에 대한 블록 앤 태클 작업을 많이 수행한 주니어 분석가였습니다. 그들은 결국 우리가 만든 시스템을 기반으로 거래를 시작했으며, 현재 두 사람 모두 성공적인 포트폴리오 관리자입니다.
이 모든 것에서 제 역할은 트레이딩과 기술을 연결하는 것이었습니다. 저는 트레이더이자 포트폴리오 매니저였고 기술자이기도 했기 때문에 많은 모델/데이터/전략 R&D를 했고 많은 프로토타입을 만들었습니다. 또한 시스템이 라이브로 출시된 후 저는 가장 일관된 일상 트레이더였습니다.
5명! 작은 팀은 언제나 자신의 체중보다 더 큰 성과를 냅니다.
돌이켜보면, 또 하나 눈에 띄는 것은 우리 모두가 얼마나 믿을 수 없을 정도로 젊었는가입니다. TB와 HL은 팀의 원로였습니다. 둘 다 30살이 되지 않았을 겁니다. 저는 24살이었고, 젊음의 무적을 입고 있었습니다. RO와 GG는 더 어렸고, 대학을 갓 졸업했습니다.
모든 좋은 것들
하지만 알파 붕괴는 피할 수 없고 모든 좋은 일은 끝이 납니다.
저는 우리의 HFT 책이 전성기에 전체 P&L의 0%에서 80%까지 올라갔다는 것을 언급했습니다. 그것은 잠시 동안 그런 높은 수준을 유지했습니다. 하지만 그 후 약 20%로 돌아갔고, 거기에 머물렀습니다.
무슨 일이 일어났을까요? 경쟁. 우리가 만든 것이 진정으로 독특하거나 재현할 수 없는 것이라고는 생각하지 않습니다. 그리고 다른 많은 사람들도 비슷한 접근 방식을 실험하고 있었을 겁니다. 공기 중에 무언가가 있었습니다. 18. 저는 커브 트레이딩 인프라가 우리와 거의 동일한 은행을 하나 알고 있으며, 의심할 여지 없이 여러 펀드가 같은 게임을 하고 있었습니다. 하루에 한두 번은 확실히 볼 수 있었던 1-2bp의 왕복 기회는 점점 더 드물어졌고, 완전히 사라졌습니다. 잘못된 가격은 재빨리 반대 거래되었습니다.
지속되는 동안 좋은 흐름이었습니다. 기회 세트가 감소했을 때 바로 라이브로 전환하기 위해 리소스를 투자한 회사가 있었을 것입니다. 우리는 운이 좋았고 똑똑해서 곡선을 앞서서 몇 년 동안 강력한 성과를 거두었습니다. 또한 알파가 감소하기 시작했을 때를 상당히 빨리 인식하고 더 큰 포지션으로 보상하려고 하기보다는 다른 전략 세트로 전환했습니다.
저는 Simplex에서 잠시 더 일했지만 결국 지루해져서 그만두었습니다. 몇 년 후, 저는 Quandl을 공동 창립했습니다. 하지만 그건 다음에 이야기하겠습니다!
토론토, 2024년 12월
Pivotal을 읽어주셔서 감사합니다! 이 글이 마음에 드셨다면 좋아요 를 눌러 주시고, 공유하고 , 구독해주세요 . 제가 더 많이 쓰도록 격려하는 가장 좋은 방법입니다!
LTCM의 임원진과 마찬가지로 저희 창립 파트너도 유명한 솔로몬 브라더스 채권 차익거래 데스크 출신입니다. Liar's Poker 44페이지에서 그를 찾아볼 수 있습니다.
이 회사는 이후 버핏에 의해 매수당했습니다. Berkshire Hathaway는 비상 현금 주입을 조건으로 파트너의 지분을 2억 5천만 달러에 매수하겠다고 제안했습니다. 그들은 제안을 거부했고, 결국 거의 아무것도 얻지 못했습니다.
이 문단은 극적으로 지나치게 단순화한 것이지만 사건의 요점을 잘 포착하고 있습니다. Roger Lowenstein의 저서 When Genius Failed 에서 더 자세히 설명합니다. 또한 LTCM의 몰락과 차익거래 이론, 효율적 시장, 위험 관리, 실제 가격 행동(fat tails, 상관 관계, 위험 체계), 품질과 유동성으로의 도피 등에 대한 연구(학계와 실무자 모두)가 가득합니다.
우리는 또한 힘들고(비싼) 방법으로는 효과가 없는 수많은 기술을 발견했습니다. 실제 P&L보다 배우기에 더 좋은 것은 없고, 자기기만에 더 나쁜 것도 없습니다.
"데이터 없이 이론화하는 것은 큰 실수입니다." — 좋은 데이터가 없다면 자본에 작별 인사를 고하는 것과 같습니다. (셜록 홈즈, 주홍색 연구)
이게 극적인 복선인가? 나는 이게 극적인 복선이라고 생각해.
제가 가장 좋아하는 체계적 편향은 딜러가 특정 채권에 대해 지속적으로 높은 마감 가격을 인쇄했을 때를 알아차리는 것이었습니다. 딜러가 재고에서 해당 채권을 롱으로 보유하고 있다는 명확한 표시였습니다. 저희 데이터 세트 덕분에 저희는 그 정보에 따라 거래를 할 수 있었습니다!
블룸버그는 실제로 일정 만기 수익률을 발표했지만, 그들의 방법은 결함이 있었습니다. 우리는 어떻게 그리고 왜 그런지 알아냈고, 매우 의도적으로 그들에게 문제를 보고하지 않았습니다.
고지식한 얘기는 제쳐두고: 4가지 요인이 있는데 왜 N3이라고 불렀을까요? LTCM에서 무슨 일이 일어났는지 보고 나서 '리스크 프리미엄'을 다양하게 하기로 했기 때문입니다. 이건 제가 어느 정도 자랑스러워하는 모델링 결정 중 하나였습니다. 회사의 수석 퀀트들은 제가 철학적 이유라고 부르는 이유로 이걸 하고 싶어하지 않았습니다. 제 철학은 아시모프적이었습니다. "도덕적 감각 때문에 옳은 일을 하는 것을 결코 방해하지 마세요."
고성능 하드웨어는 닷컴 붕괴 직전에 기술 스타트업에 넘기기 전까지 사무실 구석에서 먼지가 쌓였습니다(정말 좋은 거래였습니다). 소프트웨어 측면에서는 여러 가지 독점 패키지를 시도했고, 다양한 대학에서 최첨단 연구 코드도 다운로드했습니다. 이는 견고하고 안정적인 오픈 소스 라이브러리가 나오기 전이었습니다. 팬더스가 양적 헤지펀드에서 개발된 것은 우연이 아닙니다. 궁극적으로 우리는 'The German Optimizer'라는 난해한 코드를 배포하게 되었는데, 이는 "라그랑지안의 헤세안, 가변 이중 스케일링 및 개선된 Armijo 유형 스텝 사이즈 알고리즘에 대한 Pantoja-Mayne 업데이트의 약간 수정된 버전"을 사용했습니다. 이제 여러분도 저만큼 그것에 대해 알게 되었습니다.
그런데, 이것이 시간의 일관성이 중요한 이유입니다. 기본적으로 우리는 매일의 시장 움직임을 전날 마감가를 기준으로 작은 델타(N3 매개변수 공간)로 모델링했기 때문에 하루의 시간 경과에 따른 효과를 중립화해야 했습니다.
그 어느 것도 사람들이 그것을 사용하는 것을 막지 못했습니다. 이것은 'F9 모델 몽키'의 전성기 직전이었습니다. F9를 누르면 Excel이 계산을 새로 고침하는 신호였습니다. 농담은 이런 일이 일어나는 동안 보통 커피 한 잔이나 점심을 먹거나 심지어 짧은 휴가를 갈 수 있다는 것이었습니다.
다른 트레이더와 레버리지 포지션을 공유하는 것은 상어에게 미끼를 던지는 것과 같습니다. 먹이 광란을 초대하는 것입니다. 제 (보통 매우 내성적이고 통제력이 강한) 책상 책임자가 알게 되었을 때, 그는 과학 계산기를 모니터에 던져서 둘 다 부수었습니다. 저는 여전히 그것을 기억하는데, 그것은 그의 성격과 너무나 달랐기 때문입니다.
똑똑한 것보다는 운이 좋은 게 낫다.
상쇄하지 않으면 매수 시 현금을 지불해야 하고 매도 시 증권을 전달해야 합니다. 헤지펀드는 보통 현금이나 증권을 보유하지 않고 대신 딜러로부터 둘 중 하나 또는 둘 다를 빌리거나 빌려줍니다. 이 과정을 자금 조달이라고 하며 딜러는 고객을 위해 이를 용이하게 해주는 '레포 데스크'를 보유하고 있습니다.
요즘은 상대방이 더 정교해졌습니다. 진화가 행동하는 것으로 생각해보세요.
충분히 발전된 형태의 소품 거래는 시장 조작과 구별할 수 없습니다.
미래의 모든 조각은 시장에 존재했습니다. 비록 그것들이 고르지 않게 분포되어 있었더라도요: 수익률 곡선 모델, 빠른 네트워크, 스트리밍 인프라, 전자 실행, 거래의 '직접 처리'를 위한 프로토콜. 그저 누군가가 그것들을 적절한 봉투에 넣어주기만 하면 되었을 뿐입니다. 우리에게 이 봉투는 소음 화폐화 + 빠른 것이 좋은 것을 이긴다 + 변형된 위험 프로필이었습니다.
