Механические торговые системы требуют особого внимания к качеству и объему рыночных данных, вычислительным ресурсам. В конечном счете, все это выливается в существенные денежные затраты. Как же быть, когда без этого никак, а цены кусаются?

В настоящее время достать рыночные данные не представляет особой проблемы. В принципе для обычного участника рынка доступно практически все: не только тиковая история котировок, но и динамика «стакана» и т.д. С фундаментальными данными тоже все просто. Есть поставщики предлагающие историю буквально сотен различных метрик для огромного количества бумаг, а также базы с макроэкономическими показателями. В общем, только анализируй. Вроде бы ситуация идеальная для системной торговли с позиций хоть технического, хоть фундаментального анализа. Однако на практике весь этот пир данных может влететь в жирную такую копеечку:

1. Высокочастотные данные сами по себе стоят достаточно дорого.
2. Хочется иметь историю как можно длиннее.
3. Нужно ее поддерживать в актуальном состоянии.
4. Может интересовать сразу несколько инструментов.
5. Для анализа данных и реальной торговли нужна специальная инфраструктура.

Все это не считая стандартных затрат в виде брокерских комиссий, депозитарки, налогов и т.п., а также собственно торгового капитала. По факту получаем самую что ни на есть обычную предпринимательскую деятельность (как в реальном секторе) с «тяжелыми» систематическими расходами, что идет в разрез с мечтами новичков, через которые почти все проходят в свое время. Нет легкого заработка. Нужен не только торговый капитал, но и систематические вливания для поддержания инфраструктуры. Самое плохое - нет уверенности в будущих прибылях. Не так уж много индивидуальных инвесторов могут такое потянуть, а если и могут, то возникает вопрос о целесообразности этого. Весьма вероятно, что проще и надежнее открыть свой бизнес в реальном секторе. В общем, если только вы не хедж-фонд, вы не можете позволить себе покупать много данных и железо необходимое для их обработки. Целесообразность прямого подключения также оказывается под вопросом. Впрочем, и хедж-фондам сейчас несладко. Конкуренция заставляет экономить всех.

Отчаиваться, однако, не стоит. Все это не означает, что индивидуальный инвестор обречен на торговлю «по дивергенциям», и не может использовать более продвинутые количественные, алгоритмические подходы. На помощь здесь приходит старый добрый научный метод - моделирование. Если посмотреть на физику - королеву наук, то можно заметить, что многие существенные открытия были сделаны не в лабораториях, а на бумаге, т.е. в умах теоретиков. Фактически физики никогда не занимались систематическим сбором огромного числа данных, какое им в принципе может подкинуть мать-природа. Сначала они конструировали теоретические модели различных явлений, и только потом тестировали их на практике, в лабораторных испытаниях на достаточно компактных выборках. Удачные модели в итоге брались на вооружение инженерами, неудачные - отбрасывались, попадая лишь в историческую часть учебников.

В системной торговле можно поступать похожим образом. Начать с модели рынка, теоретического выявления «каналов» возможных неэффективностей, на которых можно заработать. Если у вас возникнет такая модель, то весьма вероятно, что вам станет ясно:

1. Какие именно данные по частотности и детализации вам необходимы.
2. На каких инструментах стоит торговать, а на каких - нет.
3. Нужно ли вам прямое подключение и т.д.

Соответственно, вы будете покупать только то, что нужно для тестирования модели и дальнейшей торговли по ней, что позволит существенно сэкономить на систематических расходах. Конечно, физики не сидели в четырех стенах. Они вдохновлялись окружающими их природными явлениями, а также моделями, оставленными их предшественниками. Все мы окунуты в физическую среду, но инвесторы должны быть «подключены» еще и к финансовой части реальности через новости, аналитику, прошлый опыт «ручной» торговли, чтение соответствующих статей и книг. Опираясь на все это, вы можете разработать собственную модель происходящего на рынке, испытать ее на прошлых данных, и в случае успеха «отправить в бой».

Этот рецепт, как и все другие в инвестировании, не гарантирует успеха, но все же повышает шансы, так как сокращает систематические затраты, которые способны погубить даже прибыльные стратегии. Кроме того, вы будете избавлены от необходимости тестирования «всего и вся» вроде бездумного перебора периодов скользящих средних, который в принципе может длиться годами и в итоге ни к чему не привести. Вместо этого можно сосредоточиться на более плодотворной деятельности по разработке и улучшению своей модели понимания рынка и торговой системе.