Книжная полка Сохранить
Размер шрифта:
А
А
А
|  Шрифт:
Arial
Times
|  Интервал:
Стандартный
Средний
Большой
|  Цвет сайта:
Ц
Ц
Ц
Ц
Ц

Алгоритмические торговые системы на фондовом рынке

Покупка
Новинка
Основная коллекция
Артикул: 898068.01.99
Доступ онлайн
359 ₽
В корзину
Цель настоящей книги заключается в систематическом изложении ключевых концепций и методов алгоритмической торговли, включая высокочастотные стратегии и интеграцию методов искусственного интеллекта. В книге рассматриваются исторические аспекты развития отрасли, классификация стратегий, принципы построения торговых систем, методы анализа и оптимизации инвестиционных портфелей, а также особенности работы на российских и международных финансовых рынках.
Шляпочник, Я. Л. Алгоритмические торговые системы на фондовом рынке : научное издание / Я. Л. Шляпочник, В. С. Пикман. - Москва : Альпина ПРО, 2026. - 99 с. - Текст : электронный. - URL: https://znanium.ru/catalog/product/2288714 (дата обращения: 19.11.2026). – Режим доступа: по подписке.
Фрагмент текстового слоя документа размещен для индексирующих роботов
                                                                 
 
 
 
 


 
                                                                 СОДЕРЖАНИЕ 
 
ОБ АВТОРАХ ....................................................................................................................................................... 7 
ВВЕДЕНИЕ ........................................................................................................................................................... 8 
Глава 1. ИСТОРИЯ АЛГОРИТМИЧЕСКОЙ ТОРГОВЛИ НА ФОНДОВОМ РЫНКЕ ............................... 10 
1.1. Ранние разработки ....................................................................................................................................... 10 
1.2. Предпосылки возникновения торговых систем ........................................................................................ 11 
1.3. Совершенствование и развитие фондовых рынков .................................................................................. 11 
1.4. Искусственный интеллект и его влияние на финансовую индустрию ................................................... 11 
1.4.1. Понятие искусственного интеллекта ....................................................................................................... 12 
1.4.2. Наука о данных и искусственный интеллект в FinTech ......................................................................... 13 
1.4.3. Почему AI и ML меняют индустрию финансовых технологий ............................................................ 14 
1.4.4. Восемь вариантов AI и ML в финтехе ..................................................................................................... 15 
1.4.5. Приложения искусственного интеллекта для финансового обслуживания ........................................ 16 
1.5. Перспективы инвестиций с помощью AI ................................................................................................... 17 
Глава 2. ОСНОВНЫЕ ВИДЫ УПРАВЛЕНИЯ АКТИВАМИ. ФИНАНСОВЫЕ 
ИНСТРУМЕНТЫ В РОССИИ И В МИРЕ ........................................................................................................ 19 
2.1. Паевые инвестиционные фонды (ПИФ) ..................................................................................................... 19 
2.2. Мировой аналог ПИФ – ................................................................................................................................ 19 
       Mutual fund ..................................................................................................................................................... 19 
2.3. Биржевой ПИФ .............................................................................................................................................. 20 
2.4. Акции РФ ....................................................................................................................................................... 21 
2.5. Портфели акций ............................................................................................................................................ 21 
2.6. Закрытые паевые инвестиционные фонды (ЗПИФ) .................................................................................. 22 
2.7. Хедж - фонды ................................................................................................................................................. 23 
2.8. Фонды проблемных ценных бумаг (Distressed Funds) ............................................................................... 24 
2.9. REIT Funds и их аналоги в России ............................................................................................................... 24 
2.10. Робо-адвайзоры ............................................................................................................................................ 25 
Глава 3. СТРАТЕГИИ АЛГОРИТМИЧЕСКОЙ ТОРГОВЛИ ............................................................ 26 
3.1. Высокочастотная торговля и её будущее в финансах ................................................................. 26 
3.1.1. Понятие и специфика высокочастотной торговли (HFT) ........................................................ 27 
3.1.2. Формирование рынка .................................................................................................................. 31 
3.1.3. Статистический арбитраж .......................................................................................................... 32 
3.1.4. Микроструктурные стратегии и практики……………………………………………………. 32 
3.1.5. Ведущие компании на мировом рынке высокочастотной торговли………………………… 33 
3.1.6. Управляющий по тарговле фъючерсами (СТА)......................................................................... 34.  
3.2. Short-Term CTA................................................................................................................................. 34 
3.2.1. Управляющий по торговле фьючерсами SHORT TERM CTA ................................................. 34 
3.3. Факторные модели (factor trading) ................................................................................................. 34 
3.4. Арбитражные стратегии ................................................................................................................. 35 
3.5. Статистический арбитраж .............................................................................................................. 35 
3.6. Маркет-мейкерство ......................................................................................................................... 35 
3.7. Dark pool   
trading........................................................................................................................................................ 36 
3.8. Рыночный тайминг .......................................................................................................................... 36 
3.9. Ребалансировка индексных фондов……………………………………………………………… 36 
Глава 4. ОСНОВНЫЕ ВЫЗОВЫ И ПЕРСПЕКТИВЫ АЛГОРИТМИЧЕСКИХ 
ТОРГОВЫХ СИСТЕМ ........................................................................................................................... 37 
4.1. Инвестиции будущего и исторические показатели ...................................................................... 37 
4.1.1. Квантовые стратегии и ESG……………………………………………………………...…..…. 37 
4.1.2. Опыт остаётся ключом к эффективности ................................................................................... 38 
4.1.3. Преимущество в оперативности данных .................................................................................... 38 
4.1.4. Сложные стратегии и высокая альфа .......................................................................................... 38 
4.1.5. Цена на интеллектуальные бета-продукты……………….......................................................... 39 
4.1.6. Ценностный фактор в современных условиях............................................................................. 39    


 
4.1.7. Роль человеческого капитала в эффективности отрасли......................................................... 39 
Глава 5. ESG-ИНВЕСТИЦИИ .............................................................................................................. 40 
5.1. ESG – актуальный путь к лучшему обществу ............................................................................. 40 
Глава 6. ПОСТРОЕНИЕ ЭФФЕКТИВНЫХ АЛГОРИТМИЧЕСКИХ ТОРГОВЫХ 
СИСТЕМ................................................................................................................................................. 42 
6.1. Алготрейдинг: как создаются и работают алгоритмы ................................................................42 
6.1.1. Как найти «тот самый» алгоритм ...............................................................................................43 
6.2. Основные требования к построению эффективной стратегии ...................................................44 
6.3. Проблемы метода количественных инвестиций ..........................................................................46 
6.4. Как повысить коэффициент Шарпа в алгоритмических стратегиях ..........................................48 
6.5. Как обойти оверфиттинг при построении алгоритма ..................................................................50 
6.6. Результаты продуктовалгоритмической стратегий…………………………………………...…53 
6.7. Использование альфа-стратегий в комбинированных инвестиционных продуктах…………..58 
6.8. Перспективы рынка алгоритмической торговли .......................................................................... 60 
       Справочник инвестора …………………………………………………………………………….60 
       Использованная литература……………………………………………………………………….85 
       Дополнительная литература…………………………………………………………………….... 96 
    ………………………………………………………………………………………………………… 
  
 
        
                                                                      
 
 
 
                                                                    
 
 
                                                                  
 
 
 
 
 
 
 
 
 
 
 
 
                                                                        
 
 
 
 
                                                                     
 
 
 
 
 
 


 
                                                                         ОБ АВТОРАХ  
   
                                                                                                               
  Шляпочник Яков Леонидович, российский 
предприниматель, физик, эксперт в области 
количественных методов инвестирования и 
алгоритмических стратегий. Автор книг о 
структурированных продуктах и психологии 
инвестирования. Создатель курса о количественном 
подходе к инвестированию для профессиональных 
инвесторов («Школа Московской биржи», 2017 год). В 
2016 году разработал и запустил курс «Прикладная 
статистика» для студентов ФАЛТ МФТИ. В 
профессиональной тематике — более 25 лет. 
С 1997 по 2002 годы работал генеральным директором в 
компании ООО «Русские фонды». 
С 2002 по 2003 годы занимал должность президента 
агропромышленного холдинга «Русагрокапитал». 
С 2003 по 2014 годы — председатель совета директоров 
ЗАО УК «Норд-Капитал». 
С 2014 года по настоящее время — частный инвестор. В 2003 году вошёл в Топ-100 самых 
профессиональных менеджеров России по версии ИД «Коммерсантъ». 
 
 Пикман Виталий Семёнович — предприниматель, 
частный инвестор. Автор книги «Эффективные системы 
продаж телекоммуникационных услуг на массовом 
рынке». В 2008–2016 гг. работал в 
телекоммуникационных компаниях на различных 
руководящих должностях. С 2016 года — заместитель 
директора производственно-строительной компании. В 
2019 году удостоен звания «Предприниматель года» в 
номинации «Промышленность» (Министерство 
экономического развития РК, ФПП). Более четырёх лет 
занимается исследованиями в области количественных 
методов инвестирования и стоимостного инвестирования. 
 
 
                                                                  
 
 
 
 
                                                                      


 
                                                                      ВВЕДЕНИЕ 
Применение информационных технологий и алгоритмических методов в инвестиционной 
деятельности является одной из ключевых тенденций современного финансового рынка. Развитие 
вычислительных систем и алгоритмов анализа данных позволяет автоматизировать процессы оценки 
финансовых инструментов, принятия инвестиционных решений и управления рисками. В результате 
алгоритмическая торговля стала неотъемлемой частью функционирования фондовых рынков, 
оказывая влияние на ликвидность, волатильность и структуру торговых операций [1]. 
История и развитие алгоритмической торговли 
Первые исследования и практические применения количественных методов на финансовых рынках 
относятся к концу 1970-х годов, когда появились высокопроизводительные вычислительные системы, 
способные обрабатывать значительные массивы данных в режиме реального времени. Одним из 
первых исследователей, применивших математические методы к торговле, стал Эдвард Торп, 
разработавший модели оценки вероятностей и стратегии прогнозирования цен на основе исторических 
данных и статистических закономерностей [2]. 
В 1980–1990-х годах алгоритмические подходы получили дальнейшее развитие с появлением 
специализированных компаний, ориентированных на количественные инвестиции. Одним из наиболее 
известных примеров является Renaissance Technologies, основанная Джеймсом Саймонсом. Компания 
применяет сложные математические модели и статистические алгоритмы для анализа рыночных 
данных и разработки инвестиционных стратегий, демонстрируя устойчивые результаты на различных 
рынках [3]. 
С начала XXI века алгоритмическая торговля приобрела глобальный характер. Получили 
распространение системы высокочастотной торговли (High-Frequency Trading, HFT), позволяющие 
совершать большое количество сделок с минимальными временными задержками. Такие системы 
используют автоматизированные алгоритмы для оценки ценовых дисбалансов, арбитражных 
возможностей и управления портфелем в режиме реального времени [4]. 
Основные концепции и классификация стратегий 
Алгоритмические стратегии классифицируются на основе применяемых методов анализа и целей 
торговли. Альфа-стратегии ориентированы на получение дохода независимо от общего направления 
рынка и основаны на выявлении дисбалансов и статистических закономерностей в котировках. Бетастратегии следуют за динамикой рынка и используются для хеджирования рисков или 
воспроизведения рыночного движения [5]. 
Методы алгоритмической торговли включают статистический и математический анализ, обработку 
временных рядов, машинное обучение (Machine Learning, ML) и элементы искусственного интеллекта 
(Artificial Intelligence, AI). Важной составляющей является оптимизация стратегий с учётом 
транзакционных издержек, ликвидности финансовых инструментов и вероятности реализации 
прогнозов. Современные алгоритмы способны одновременно анализировать данные с нескольких 
рынков, выявлять временные аномалии и автоматически корректировать позиции [6]. 
Практическое применение и международный контекст 
Алгоритмические стратегии применяются как институциональными инвесторами, так и 
специализированными компаниями на международных финансовых рынках. Их использование 
способствует повышению эффективности управления капиталом, снижению влияния человеческого 
фактора и ускорению обработки информации. Применение высокочастотных стратегий требует 


 
соблюдения нормативных требований, мониторинга рыночной инфраструктуры и оценки 
воздействия на ликвидность и волатильность [7]. 
В России применение алгоритмических и высокочастотных стратегий развивается поэтапно. 
Компании используют как отечественные, так и международные инструменты, интегрируя алгоритмы 
анализа и управления рисками в торговые платформы. Современные подходы включают разработку 
собственных моделей, а также адаптацию методов, применяемых на зарубежных рынках [8]. 
Цели и структура книги 
Цель настоящей книги заключается в систематическом изложении ключевых концепций и методов 
алгоритмической торговли, включая высокочастотные стратегии и интеграцию методов 
искусственного интеллекта. В книге рассматриваются исторические аспекты развития отрасли, 
классификация стратегий, принципы построения торговых систем, методы анализа и оптимизации 
инвестиционных портфелей, а также особенности работы на российских и международных 
финансовых рынках [9]. 
Автор — Я. Л. Шляпочник — на основе многолетнего опыта разработки и внедрения алгоритмических 
стратегий в компании «Алго Капитал» систематизирует подходы к построению торговых систем, 
охватывающих широкий спектр инструментов и рынков. Представленные материалы формируют 
теоретическую базу и практические рекомендации для исследования и применения алгоритмических 
методов в современной финансовой индустрии [10]. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 


 
 
ГЛАВА 1 
ИСТОРИЯ АЛГОРИТМИЧЕСКОЙ 
ТОРГОВЛИ НА ФОНДОВОМ РЫНКЕ 
1.1.Ранние разработки 
Автоматизация обработки торговых заявок 
на финансовых рынках начала активно 
развиваться в 1970-х годах с внедрением 
Нью-Йоркской фондовой биржей системы 
Designated Order Turnaround (DOT) [11]. 
Данная система обеспечивала передачу 
рыночных и лимитных ордеров в 
электронном формате непосредственно 
биржевым специалистам. 
В 1984 году система DOT была заменена 
усовершенствованной версией SuperDOT [12], что позволило расширить функциональные 
возможности электронного доступа и ускорить процесс исполнения заявок. 
На этапе открытия торгов была внедрена служба автоматизированной отчётности Opening Automated 
Report Service (OARS), предназначенная для предварительной обработки поступающих заявок до 
начала торговой сессии [13]. 
В дальнейшем получила распространение технология Smart Order Routing (SOR), обеспечивающая 
автоматический поиск наилучших цен на финансовые инструменты с целью минимизации времени 
исполнения ордеров и торговых издержек [14]. 
Появление полностью электронных рынков стало предпосылкой развития программной торговли. 
Программные стратегии применялись для автоматизированного входа и выхода из позиций с учётом 
рыночных параметров и заранее заданных правил [15]. 
С 1980-х годов программная торговля активно использовалась в стратегиях индексного арбитража и 
динамического формирования синтетических опционов на портфели фондовых активов с 
применением дельта-хеджирования, основанного на модели Блэка—Шоулза [16]. 
Программная торговля рассматривалась в экспертных отчётах, включая доклад Комиссии Брэди, как 
один из факторов, способствовавших краху фондового рынка в 1987 году [17]. При этом убедительных 
эмпирических доказательств определяющего влияния компьютеризированной торговли на рыночные 
обвалы представлено не было, и дискуссии по данному вопросу продолжаются [18]. 
С 2009 года система SuperDOT была заменена платформой Super Display Book (SDBK) [19], а 
впоследствии — универсальной торговой платформой Universal Trading Platform (UTP) [20]. 
1.2. Предпосылки возникновения торговых систем 
Разработка модели ценообразования опционов Блэка—Шоулза в 1973 году стала важным этапом в 
развитии количественных методов на финансовых рынках [21]. Данная модель позволяет оценивать 
стоимость европейских опционов на основе предполагаемой волатильности базового актива [22]. 


 
Ф. Блэк и М. Шоулз показали, что динамическая стратегия пересмотра портфеля способствует 
снижению инвестиционного риска [23]. Дальнейшее расширение модели, выполненное Робертом С. 
Мертоном, легло в основу современной теории ценообразования производных финансовых 
инструментов [24]. 
1.3. Совершенствование и развитие фондовых рынков 
В 1990-х годах получили развитие сети электронной связи (Electronic Communication Networks, ECN), 
позволившие осуществлять торговые операции за пределами традиционных биржевых площадок [25]. 
В 2001 году в США была внедрена десятичная система котирования, в результате чего минимальный 
шаг цены сократился с 1/16 доллара до $0,01 [26]. Это способствовало росту рыночной ликвидности и 
ускорению развития алгоритмической торговли. 
Использование методов TWAP и VWAP стало стандартной практикой при распределении крупных 
торговых ордеров [27]. 
В 2005 году Комиссия по ценным бумагам и биржам США (SEC) внедрила Национальную рыночную 
систему управления, усилив требования к обеспечению наилучшей доступной цены исполнения 
сделок [28]. 
1.4. Искусственный интеллект и его влияние на финансовую индустрию 
Методы искусственного интеллекта (Artificial Intelligence, AI) и машинного обучения (Machine 
Learning, ML) применяются для анализа больших массивов данных и поддержки процессов принятия 
инвестиционных решений [29]. Технологии глубокого обучения (Deep Learning, DL) и обучения с 
подкреплением (Deep Reinforcement Learning, DRL) позволяют выявлять сложные нелинейные 
зависимости и формировать автономные торговые стратегии [30]. 
Примеры самообучающихся алгоритмов, включая AlphaGo Zero компании DeepMind, демонстрируют 
потенциал автономного обучения без использования предварительно размеченных исторических 
данных, что указывает на возможности дальнейшего развития интеллектуальных торговых систем 
[31]. 
 


 
 
1.4.1. Понятие искусственного интеллекта 
В научной и профессиональной среде продолжаются дискуссии относительно содержания и границ 
понятий искусственного интеллекта и машинного обучения. AI представляет собой совокупность 
методов и технологий, основанных на использовании больших массивов данных, значительных 
вычислительных ресурсов и алгоритмов машинного обучения, предназначенных для решения задач 
различной степени сложности [32]. Системы AI способны выполнять как формализованные, так и 
слабо формализованные задачи, а в ряде случаев — адаптироваться к изменяющимся условиям на 
основе накопленного опыта, имитируя отдельные элементы человеческого обучения и принятия 
решений [33]. 
Машинное обучение (Machine Learning, ML) рассматривается как одно из ключевых направлений 
искусственного интеллекта. Оно фокусируется на разработке алгоритмов и моделей, которые 
анализируют большие объёмы данных, выявляют устойчивые закономерности и используют их для 
формирования прогнозов и поддержки процессов принятия решений [34]. В отличие от традиционных 
алгоритмических подходов методы машинного обучения предполагают не жёстко заданные правила, а 
адаптацию модели на основе эмпирических данных, что позволяет применять их для прогнозирования 
будущих событий в условиях неопределённости [35]. 
Анализ программных решений, используемых на российском финансовом рынке и аккредитованных 
Банком России, Национальной ассоциацией участников фондового рынка (НАУФОР) и иными 
уполномоченными организациями, показывает, что около 70 % таких систем относятся к базовым 
формам инвестиционного консультирования и автоматизированного управления активами [36]. 
Оставшаяся часть включает более сложные программные продукты, в том числе решения, 
использующие методы искусственного интеллекта, машинного обучения и смежные технологии 
анализа данных. 


 
Регуляторные органы в большинстве стран исходят из того, что требования к программным 
продуктам должны определяться видом деятельности, которую они автоматизируют. В зависимости от 
функционального назначения такие системы подпадают под регулирование в сфере инвестиционного 
консультирования либо доверительного управления и, соответственно, должны соответствовать 
требованиям действующего лицензирования [37]. Использование автоматизированных решений 
предполагает формирование доказательной базы, сопоставимой с той, которая создаётся в процессе 
очного взаимодействия клиента с инвестиционным советником или доверительным управляющим. 
В настоящее время регуляторы уделяют повышенное внимание вопросам раскрытия информации об 
алгоритмах искусственного интеллекта, в частности составу, глубине и форме раскрытия сведений для 
инвесторов и надзорных органов. В Российской Федерации действуют процедуры аккредитации 
программных продуктов, а Банк России осуществляет разработку и актуализацию перечня требований 
к подобным системам [38]. 
Отдельным предметом международных дискуссий остаётся вопрос требований к квалификации 
персонала, участвующего в разработке, внедрении и эксплуатации систем искусственного интеллекта 
и машинного обучения, применяемых в инвестиционной деятельности [39]. 
Наиболее эффективное применение автоматизации и технологий AI/ML наблюдается в следующих 
областях: 
1. В системах с экспоненциальным ростом объёмов данных, где использование AI/ML позволяет 
выявлять сложные закономерности и повышать качество аналитических выводов [40]. 
2. В сферах, требующих оперативной реакции на рыночные события, что обусловливает рост 
спроса на алгоритмические инструменты и количественные стратегии, в том числе в 
деятельности хедж-фондов [41]. 
3. В относительно неликвидных инвестиционных сегментах, включая проблемные активы, 
частный капитал, а также управление активами в сфере недвижимости и инфраструктурных 
проектов [42]. 
4. При интеграции аналитических инструментов AI/ML для повышения эффективности работы 
инвестиционных аналитиков и портфельных менеджеров [43]. 
5. В деятельности частных инвесторов, использующих автоматизированные решения для 
управления индивидуальными и гибридными инвестиционными стратегиями [44]. 
6. В автоматизации бизнес-процессов инвестиционных компаний, охватывающей полный 
жизненный цикл управления инвестициями — от исследований и анализа до управления 
портфелем, бэк-офисного учёта, мониторинга и формирования отчётности. В данном случае 
технологии AI/ML, как правило, не подменяют процесс принятия инвестиционных решений, а 
используются для оптимизации процессов контроля, исполнения и сопровождения сделок [45]. 
Применение инструментов искусственного интеллекта и машинного обучения позволяет сократить 
временные затраты, повысить точность операций фронт-офисных подразделений и расширить 
возможности дистанционного доступа клиентов к инвестиционным услугам. Одновременно данные 
технологии способствуют повышению профессионального уровня аналитических подразделений 
инвестиционных компаний за счёт расширения аналитических и вычислительных возможностей [46]. 
1.4.2. Наука о данных и искусственный интеллект в FinTech 
Финансовые технологии (Financial Technology, FinTech) представляют собой совокупность 
технологических решений, применяемых для разработки, улучшения и автоматизации продуктов и 
услуг в финансовой индустрии. К данному направлению относятся бизнес-модели и сервисы, 
использующие цифровые технологии для повышения эффективности финансовых процессов, качества 
обслуживания клиентов и снижения операционных издержек [47]. 


Доступ онлайн
359 ₽
В корзину