市場のアノマリーと機械学習：クオンツ取引の仕組みと限界
効率的市場理論というものがあり ますが それによると 市場には何も…
例えば 価格データの中には 将来について何かを示すものは何もなくて
価格は常に ある意味で 正しいのだとされています。
価格は ある種の意味では いつでも正しいのです。
ですが それは単に事実ではありません。
データの中には 価格の履歴データの中にさえ 例外が存在します。
ひとつには とくにコモディティは 以前はトレンドを形成する傾向がありました 劇的ではないにせよ トレンドを描いていたのです。
ですから もしそのトレンドを正しく読めれば そのトレンドに賭けることで
下落トレンドでも 上昇トレンドでも 当たることのほうが 外れるより多くなります。
それが データの中のひとつの異常（アノマリー）でした。
しかし 次第に 私たちは そうしたアノマリーを さらに さらに さらに さらに 多く見つけていきました。
どのアノマリーも 圧倒的というほどではなく 特定のアノマリーだけで 大儲けできるほどのものではありません。
なぜなら もしそうなら 他の人たちも気づいているはずだからです。
だから それはさりげないものじゃないといけない。
そして そういったさりげない異常の集まりを いくつも組み合わせていくと
かなりよく予測できるものになっ てきます。
これらは どれくらい精巧なものなんですか？
私の頭の中では ピタゴラスの定理みたいな方程式を思い浮かべていて
いくつか数字を入れると 何か結果がポンと出てくるようなイメージなんです。
でも 実際は ものすごく巨大な方程式やアルゴリズムの怪物みたいなものなのか それともシンプルなものなんでし ょうか？
現在のシステムは 非常に精巧に作り込まれています。
でも だからといって特別なことではなくて いわゆる「機械学習」と呼ばれるものなんです。
つまり 予測力のあるものを見つけるわけです。
「ああ これこれが予測に役立つかもしれない」と当たりをつけて
コンピューターで試してみて 当たることもあれば 外れることもあるんです。
それを長期の過去データや価格デ ータなど いろいろなデータで検証します。
そして、それがうまくいくならシス テムに組み込み うまくいかないなら捨ててしまい ます。
だから、少なくとも予測の部分に関 しては 複雑な方程式は存在しません。
ですが、予測の部分だけが すべてではありません。
取引するときに、自分のコストが いくらかを把握しておく必要があ ります。
取引すれば、自分の取引で 市場を動かすことになります。
一般的な人は何かの株を200株買う だけなので 市場を動かすことはありませんし
規模が小さすぎて まったく影響はありません。
ですが、20万株買いたいとなると 価格を押し上げてしまうことにな ります。
どれくらい価格を 押し上げることになるのでしょう か。
どうやって、その…どこまで価格を 押し上げるのか 考えないといけません
あまりに歪めてしまって もう利益が出せなくなるほどでは ないか、ということです。
だからコストを理解しなければな らない、それが重要なんです。
それから、自分が保有しているポジ ション全体の組み合わせの
価格変動をどう最小化するかを理 解しなければならない。
だからそれをやらないといけない。
最後の部分は、かなり高度な応用数 学が必要になります、
世界を揺るがすほどではありませ んが、かなり高度です。
どの数学の分野、あるいはどんな分 野ですか。
学際的なものですか。
主に統計学です。
主に統計学と確率論の一部ですね。
ただ、具体的に何を使っていて何を 使っていないかまでは、ちょっと言えません。
効果があるかもしれない、役に立つ かもしれない
いろいろなものに手を伸ばすので、 かなり普遍的なんです。
特定のものにこだわりはありませ んが、大きなコンピューターモデルがあります。
まず一つには、その主要なモデルに は許容量があります。
それはかなり大きな、ある程度の金 額なら運用できますが、 莫大な金額は運用できません
なぜなら、市場を動かし始めてしま って、 結局市場を動かしすぎることにな ってしまうからです。
過度に。
ですから、どれくらいの金額なら無 理なく運用できるかという、 一種の「スイートスポット」がある わけです。
したがって、それが巨大な怪物のよ うな規模にまで成長して、 みんなを蹴散らして
自分だけがプレーヤーになる、とい うようなことには 決してならないでしょう。
というか、もちろん自分だけがプレ ーヤーだったら、 対戦相手がいないわけですからね。
少なくとも、私たちの見方では、そ こには限界があります。
でも 私たちは改良を続けています。
当社には博士号を持つ人が およそ100人在籍しています。
それが 私の言いたいことです。
つまり どうやって そこまで到達したんですか？
これが必要だ、あれが必要だって 考え始めたりしましたか？
私たちは賢い人たちを雇っただけ です。
私のやり方は ずっと、優秀な人たちを 集めるというアルゴリズムなんで す。
End of transcript · 1,006 words · machine translated
TranslateMomで文字起こし・翻訳しました。動画のリンクを貼り付けるだけで、あなたの言語の字幕と文字起こしが手に入ります。
Original transcript (English)
There's something called the efficient market theory, which says that there's nothing in the data, let's say price data, which will indicate anything about the future, because the price is sort of always right. The price is always right in some sense. But that's just not true.
So there are anomalies in the data, even in the price history data. For one thing, commodities especially used to trend, not dramatically trend, but trend. So if you could get the trend right, you'd bet on the trend, and you'd make money more often than you wouldn't, whether it was going down or going up. That was an anomaly in the data.
But gradually we found more and more and more and more anomalies. None of them is so overwhelming that you're going to clean up on a particular anomaly. Because if they were, other people would have seen them. So they have to be subtle things. And you put together a collection of these subtle anomalies, and you begin to get something
that will predict pretty well. How elaborate are these things? Because in my head, I'm imagining some equation like Pythagoras equation, and you put a few numbers in and something spits out. But are these giant beasts of equations and algorithms, or are they simple things?
Well, the system as it is today is extraordinarily elaborate. But it's not a whole lot of, you know, it's what's called machine learning. So you find things that are predictive. You might guess, oh, such and such should be predictive, might be predictive, and you test it out in the computer, and maybe it is, and maybe it isn't.
You test it out on long-term historical data and price data and other things. And then you add to the system this if it works, and if it doesn't, you throw it out. So there aren't elaborate equations, at least not for the prediction part. But the prediction part is not the only part. You have to know what your costs are when you trade.
You're going to move the market when you trade. Now, the average person will buy 200 shares of something, and he's not going to move the market at all because it's too small. But if you want to buy 200,000 shares, you're going to push the price. How much are you going to push the price?
How are you going to, you know, are you going to push it so far that you can't make any money because you've distorted things so much? So you have to understand costs, and that's something that's important. And then you have to understand how to minimize the volatility of the whole assembly of positions that you have.
And so you have to do that. That last part takes some fairly sophisticated applied mathematics, not earth-shattering, but fairly sophisticated. What discipline of mathematics or disciplines? Is it multidisciplinary?
It's mostly statistics. It's mostly statistics and some probability theory. But I can't get into, you know, what things we do use and what things we don't use. We reach for different things that might come, that might be effective. So we're very universal.
We don't have any, but it's a big computer model. For one thing, there is a capacity to the major model. It can manage a certain amount of money, which is rather large, but it can't manage an enormous amount of money because you're pushing, you're going to end up pushing the market around too much.
So it was kind of a sweet spot as to how much it's reasonable to manage. Therefore, it would never grow into some behemoth, which would, you know, take everybody out and you'd be the only player. I mean, well, of course, if you were the only player, there'd be no one to play against. There are limitations, at least the way we see it.
But we keep improving it. We have about 100 PhDs working for the firm. That's what I mean. I mean, how did you get to that point? Did you start to think we need this, we need that?
We just hired smart people. My algorithm has always been you get smart people together.
