Как хедж-фонду клеточные связи помогают переигрывать S&P 500

Хедж-фонд биолога Десмонда Лун Taaffeite Capital Managementв прошлом заработал 22% в 2016 году на механизмах взаимодействия клеток, примененных к финансовым рынкам. Фонд Луна придерживается стратегии, сочетающей математические модели, элементы искусственного интеллекта и старую школу биологии. 

Фонд Taaffeite Capital Management управляет всего $20 млн. Однако Лун не намерен останавливаться на достигнутом. Он верит в свой метод, который основан на исследовании клеток и выявлении рыночных закономерностей. 

Биологи со своими теориями пока отстают от физиков и математиков, предлагающих модели, позволяющие предсказать рынок с разной степенью эффективности. Однако Лун, в отличие от многих высоколобых экспертов, умудряется переигрывать рынок. 

Глава фонда, имеющий степень доктора философии, больше десяти лет в Массачусетском технологическом институте разрабатывал модели, которые расшифровывали взаимодействие и влияние генов друг на друга, и опубликовал 18 научных работ, связанных с прогнозированием клеточного поведения. 
Впрочем, по его словам, эти модели, оптимизированные для финансовых рынков, также неплохо выявляют, как рыночные инструменты (акции и фьючерсы на сырьевые товары) взаимодействуют и влияют на цены. 

«Причинно-следственные связи важны как для биологических, так и для финансовых систем, и это делает их сложными», – заявил Лун, профессор Университета Рутгерса в Нью-Джерси. – Если у вас есть причинно-следственная связь, вы можете делать прогнозы и быть в них до какой-то степени уверены». 

Система Луна охотится за сигналами, которые подталкивает цены глобальных индексов вверх или вниз. Она рассматривает десятки тысяч цен, называемых узлами в квантовой реальности, тысячи ценных бумаг, товаров и индексов. Это означает, что его алгоритмы потенциально могут отслеживать миллиарды связей между парами узлов, прежде чем войти в позицию. Две его крупнейших открытых сделки по состоянию на 30 июня: длинная позиция по индексу FTSE 100 и короткая по индексу MSCI Emerging Markets.

Система изучает так много переменных, что даже Лун не совсем понимает, как выставляются ордера. Но это неважно. Согласно данным Bloomberg News, его фонд уже несколько лет переигрывает S&P 500, в то время как средний хедж-фонд значительно отстает от этого индикатора. 

Система держит позицию в среднем 6 дней. «Это не черный ящик. У нас есть определенные параметры», – сказал Лун. – Но в любой день я не могу объяснить все факторы, которые привели к тому, что система приняла то или иное решение». 

Wall Street охотится на биологов

Лун пришел в вычислительную биологию в 2006 году, присоединившись к Broad Institute of MIT и Harvard и оказался далеко не первым ученым в своей области, которого увлекли финансовые рынки. В институте он встретился с именитым биологом Ником Паттерсоном, бывшим криптографом, который десять лет провел в Renaissance Technologies, создавая математические модели. Другой коллега Луна, исследователь генома Джейд Винсон, оставил Broad из-за новаторского квантового хедж-фонда.

Последние годы компании Уолл-стрит начали настоящую охоту на биологов как на потенциальных создателей перспективных систем, ведь те не только работают с огромными наборами данных. Клонирование дает биологам еще одно преимущество: они могут повторять эксперименты снова и снова, обеспечивая лучшее представление о причинно-следственных связях внутри клеток, отметил Ричард Бонно, профессор Нью-Йоркского университета, который изучает вычислительную биологию. Ситуацию с инвестиционными компаниями он прокомментировал следующим образом: «Они крадут моего доктора философии, студентов. Это раздражает, но это хорошо для них. Там отличные рабочие места». 

Рынок в клетке

На первый взгляд, рынок и клетка не имеют ничего общего. Клетка – крошечное творение природы, а рынок глобальный и создан людьми.  Но Ильяс Тагкопулос, профессор информатики и исследователь Центра генома в UC Davis, говорит, что, все-таки, аналогия возможна. «Биолог пытается понять сложную организацию и функцию клетки, наблюдая моментальные снимки экспрессии генов, которые могут быть хаотическими», – сказал Таккопулос. – Это очень похоже на фондовый рынок. Математик пытается понять данные о временных рядах, которые сначала выглядят хаотичными, потому что мы не знаем разных параметров и их отношений. Вы стараетесь объединить эти данные вместе, как и биологические данные». 

Впрочем, даже среди ученых-менеджеров немало таких, кто сомневается в том, что биологи все-таки нашли Святой Грааль. Эмануэля Дермана, одного из первых физиков, пришедших на Уолл-стрит, можно отнести к таким скептикам. Дерман 17 лет назад начал изучать в Goldman Sachs Group Inc. математические модели. За это время он обнаружил, что модели инвестирования, созданные физиками на основании существующих данных о движениях частиц и т.д., не работают в реальности так же хорошо, как в лабораторных условиях.

«Закон гравитации Ньютона не меняется, – говорит Дерман. – Но поведение людей на рынках меняется все время, разрушая даже лучшие модели, сделанные учеными». «У меня много скепсиса по поводу того, что кто-то привносит свой опыт из одной области в другую, – отмечает Дерман. – Говорят, что акции подобны атомам или похожи на гены. Но акции не являются атомами или генами. Есть сходство, но в конечном счете они очень разные». 

Тем не менее у Луна из Taaffeite Capital Management есть причины верить в перспективность своей системы, которая уже заработала на таких неожиданных событиях, как Brexit в июне 2016 года, а также результатах голосования в США. Согласно данным отчета, его флагманский фонд в этом году вырос на 9,8%, в 2016-м году – на 22,1%, а в 2015-м – на 33,8%. 

Потери в размере 2% у фонда были лишь в 2014 году. Лун запустил амбициозный долгосрочный проект задача которого создать компьютерную модель, которая будет предсказывать, как поведут себя клетки, используя данные о сине-зеленых водорослях. Воодушевленный первыми успехами, он намерен увеличить активы под управлением до $200 млн в ближайшие 6-12 месяцев.

Подписывайтесь на Financial One в соцсетях:

Facebook || Вконтакте || Twitter || Youtube