O autorze
Dr Kamil Kulesza kieruje Centrum Zastosowań Matematyki i Inżynierii Systemów, działającym w ramach Polskiej Akademii Nauk. CZMIS stworzone zostało bazując na najlepszych wzorcach brytyjskich z Cambridge i Oxfordu. Korzystając z matematycznego sposobu myślenia, CZMIS zajmuje się rozwiązywaniem problemów dla firm i instytucji, pozyskując w ten sposób środki na finansowanie swojej działalności i rozwój. Część środków przeznaczana jest też na organizowane od ponad 10 lat Letnie Praktyki Badawcze przeznaczone dla najlepszych studentów i doktorantów.

Algorithmic trading

Przez stulecia transakcje handlowe ludzie zawierali bezpośrednio między sobą. Z czasem, wraz z rozwojem środków komunikacji zdalnej aspekt bezpośredniości zaczął ulegać stopniowemu rozmyciu, jednak same decyzje o transakcjach ciągle podejmowali ludzie. Świadomie używam czasu przeszłego, gdyż obecnie na rynkach kapitałowych maszyny handlują co najmniej równie dużo jak ludzie. Jest to pasjonujący i bardzo intensywny wyścig technologiczny jako, że takie algorytmy są tworzone i rozwijane niejednokrotnie przez najbystrzejszych ludzi na planecie. Przyczyna jest prosta – ten biznes jest tak dochodowy, że największe firmy działające na rynkach kapitałowych jak magnes przyciągają utalentowanych specjalistów, a nawet ekspertów, z innych dziedzin.

I tak kilka lat temu głośna była sprawa firmy z Wall Street, która przejęła kluczowy zespół ekspertów od awioniki pracujących uprzednio dla amerykańskiego koncernu zbrojeniowego Lockheed Martin. Okazało się, że ich umiejętności są bardzo przydatne do tworzenia lepszych i szybszych algorytmów dla potrzeb tzw. handlu wysokich częstotliwości (ang. HFT - High Frequency Trading). Zaś jednocześnie firma finansowa była w stanie zaoferować znacznie lepsze wynagrodzenia, niż świetnie opłacany sektor zbrojeniowy.

Od lat „Wall Street” stać na zatrudnianie najlepszych absolwentów wiodących uczelni. I choć mogłoby się wydawać, że prym wiodą ekonomiści, to zdecydowanie preferowanie są osoby, które ukończyły kierunki ścisłe lub techniczne, ale nawet u nich mile widziany jest doktorat. Jednymi z najchętniej zatrudnianych są matematycy i fizycy, zwłaszcza teoretycy. W praktyce sprawdzają się dobrze, gdyż z jednej strony wnoszą odpowiedni warsztat ilościowy i abstrakcyjne myślenie, a z drugiej sporo nieskrępowanej (np. tradycyjnym wykształceniem ekonomiczno-finansowym) wyobraźni.

Ten wyścig po najlepsze mózgi niedawno wkroczył w nową fazę, kiedy w lutym bieżącego roku kontrolowany przez Ray'a Dalio fundusz hedgingowy Bridgewater (jeden z największych na świecie) ogłosił, że uruchamia własny zespół, którego zadaniem jest efektywne wykorzystanie sztucznej inteligencji w obrocie instrumentami finansowymi. Powszechnie powtarzany stał się zwłaszcza cytat "Machine learning is the new wave of investing for the next 20 years and the smart players are focusing on it.", a machine learning stało się najczęściej wymawianym nowym terminem w światku finansowym od Nowego Jorku, przez Tokio do Londynu. Przy czym prawie nikt, poza osobami, które robiły doktoraty ze sztucznej inteligencji lub zaawansowanych metod statystycznych, nie ma pojęcia na czym ta rewolucja może w dłuższym okresie czasu polegać.


W efekcie poskutkowało to falą zleceń badawczych, skierowanych m.in. do Oxbridge, co miałem okazję obserwować w czasie mojego pobytu wiosną br. Przy czym często zlecenia te miały charakter tzw. future studies (np. „wskażcie i uzasadnijcie najlepsze kierunki rozwoju”, „dokąd to nas zaprowadzi?”), a nie konstrukcji konkretnych algorytmów, które „muszą zarobić już w kolejnym kwartale”. Takie definiowanie zakresu pracy, połączone z hojnym finansowaniem, skutkowało szybkim rozpoczęciem prac na wielu frontach. W praktyce anglosaskiej oznacza to często posadzenie nad tematem doktorantów – wydaje się, że jeśli ten trend się utrzyma to może nawet odcisnąć swój ślad nie tylko w badaniach stosowanych, ale i podstawowych. Ano zobaczymy, czy i jak pchnie to do przodu badania w zakresie sztucznej inteligencji, gdzie podobny impuls wydawał się od dawna potrzebny. Niektórzy wieszczą nawet, iż właśnie rodzi się Skynet, ale te obawy są chyba jednak nieco na wyrost.

Nawet na naszym polskim podwórku zauważyliśmy wzrost zainteresowania tą tematyką, m.in. wśród firm i instytucji finansowych z którymi nasze Centrum współpracuje. Realizując w przeszłości różne projekty dla biur maklerskich, platform tradingowych, czy inwestorów (głównie instytucjonalnych), praktycznie wszystkie związane z analizą danych i/lub obrotem instrumentami finansowymi, jesteśmy w naturalny sposób jednym z miejsc gdzie takie pytania można zadać. Ilość ich jest nieporównywalna z tym co przychodzi np. z tzw. London City do LSE, czy Oxbridge, podobnie jak skala i warunki realizacji ewentualnych projektów – cóż świadczy to zarówno o peryferyjności Warszawy jako centrum finansowego, jak i horyzontach wielu z decydentów (np. dość częsta postawa „po co płacić i finansować jakieś badania o niewiadomym efekcie, skoro jak zrobią to w Londynie to skopiujemy”). Jednak ludzie o odpowiedniej wizji i odwadze się znaleźli, w wyniku czego realizujemy obecnie, dla jednego z towarzystw funduszy inwestycyjnych, projekt o wewnętrznym akronimie JKM (od słów Jak Kupują Maszyny). TFI będące zleceniodawcą projektu już jakiś czas temu rozpoczęło prace nad algorytmami tradingowymi mającymi w założeniu co najmniej wspomagać decyzje inwestycyjne. Obecnie posiada już niewielka farmę takich algorytmów, jednocześnie doskonaląc metody tworzenia, testowania i kalibracji kolejnych. Właśnie wybranych aspektów tych działań dotyczy projekt JKM – tyle mogę napisać bez naruszania umowy o zachowaniu poufności, którą podpisaliśmy. Choć projekt jest wymagający to jednocześnie ciekawy i jak na skalę polską innowacyjny. Abstrahując od tematyki, nie jestem bowiem świadom, aby jakakolwiek polska instytucja akademicka realizowała podobny :)

Dodatkowo zaś całość udało się zorganizować w ten sposób, iż w części prac badawczych związanych z projektem JKM udział wezmą uczestnicy bieżącej edycji Letnich Praktyk Badawczych. W ten sposób za pieniądze „z przemysłu” nie tylko przeprowadzimy interesujące badania, ale również damy możliwość udziału w nich i zebrania cennych doświadczeń młodym ludziom na początku kariery akademickiej/zawodowej. Wszystko zaś bez udziału pieniędzy z budżetowej puli na naukę, edukację, czy innowacje. Przyczyny są dość prozaiczne – nawet gdyby takie były w odpowiednich programach dostępne (a nie za bardzo są), a warunki skorzystania z nich akceptowalne (co do zasady również z reguły ‘nie za bardzo są’), to czas reakcji ociężałego aparatu zajmującego się dystrybucją środków na badania z góry wyklucza ich sensowne wykorzystanie. Cóż, zanim urzędnicy „pochylą się z troską” tzw. działający w warunkach globalnej konkurencji biznes będzie zajęty już czymś innym, badania co najmniej bardzo zaawansowane, a nawet sama obecna runda wyścigu technologicznego może by już rozstrzygnięta.
Trwa ładowanie komentarzy...