Парный трейдинг — это стратегия относительной стоимости, которая анализирует не направление рынка в целом, а соотношение между двумя активами. Задача состоит в том, чтобы найти две ценные бумаги, цены которых исторически сохраняли устойчивую связь, а затем открыть позиции, когда эта связь заметно отклоняется от обычного диапазона.
Как правило, трейдер покупает актив, который выглядит относительно недооценённым, и одновременно продаёт без покрытия актив, который кажется относительно переоценённым. Расчёт делается не на обязательное возвращение каждой цены к прежнему уровню, а на сближение относительных оценок двух активов.
Например, компании из одной отрасли могут одинаково реагировать на экономическую ситуацию, стоимость сырья и изменения спроса. Если акции одной компании резко выросли, а бумаги второй отстали без очевидной фундаментальной причины, трейдер может открыть короткую позицию по первой акции и длинную по второй. Если относительная разница впоследствии сократится, совокупная позиция может принести прибыль.
Однако визуального сходства двух ценовых графиков недостаточно. Необходимо определить, является ли связь статистически устойчивой, имеет ли она экономическое объяснение и сохраняет ли практическую ценность после учёта торговых издержек.
Корреляция и коинтеграция
Корреляция показывает, насколько два актива склонны двигаться в одном или противоположных направлениях в течение определённого периода. Она полезна для первичного отбора потенциальных пар, но высокая корреляция не доказывает, что расхождение цен будет возвращаться к долгосрочному равновесию.
Коинтеграция рассматривает другой вопрос. Два ценовых ряда могут по отдельности изменяться и иметь тренд, но их определённая линейная комбинация способна оставаться относительно стабильной. Если полученный остаток, или спред, демонстрирует возврат к среднему, он может стать более надёжной статистической основой стратегии.
Таким образом, два актива могут иметь высокую корреляцию, но не быть коинтегрированными. Отбор исключительно по коэффициенту корреляции создаёт риск принять временное сходство динамики за устойчивую долгосрочную зависимость.
Спред, коэффициент хеджирования и Z-оценка
Построение модели обычно начинается с оценки коэффициента хеджирования, который определяет относительный размер двух позиций. Если цены активов A и B обозначены как PA и PB, а коэффициент хеджирования — как β, спред можно представить следующим образом:
Spread = PA − β × PB
Размеры позиций не обязательно должны быть равны. Коэффициент хеджирования можно оценивать с помощью линейной или скользящей регрессии, а также динамических моделей. Дополнительно позиции могут корректироваться с учётом капитала, волатильности и общего риска.
Чтобы измерить величину текущего отклонения спреда от нормального уровня, часто применяется Z-оценка:
Z = (Текущий спред − Историческое среднее) ÷ Историческое стандартное отклонение
Высокое положительное значение может служить сигналом для продажи актива A и покупки соответствующего количества актива B. При существенно отрицательном значении открывается обратная комбинация. Когда спред приближается к расчётному среднему, обе позиции обычно закрываются.
Пороговые значения входа и выхода нельзя выбирать только потому, что они дали лучший результат в историческом тесте. Многократная настройка периода расчёта, уровней сигналов и правил удержания может привести к переобучению, при котором модель хорошо описывает прошлое, но плохо работает на новых данных.
Распространённые модели
Метод расстояния — один из наиболее простых подходов. Ценовые ряды нормализуются, после чего выбираются активы с наиболее близкой исторической динамикой. Метод легко понять и реализовать, однако он предоставляет ограниченные доказательства существования долгосрочного равновесия.
Коинтеграционные модели проверяют, существует ли стабильная линейная комбинация нестационарных ценовых рядов. Двухэтапный метод Энгла—Грейнджера обычно применяется к двум переменным, тогда как метод Йохансена позволяет исследовать отношения между несколькими активами. При этом статистическая значимость не гарантирует наличия экономического смысла или сохранения связи в будущем.
Модели временных рядов помогают описывать динамику спреда. Авторегрессионные модели могут оценивать скорость возврата к среднему, а период полураспада показывает примерное время, необходимое для сокращения отклонения. Слишком медленное сближение надолго связывает капитал, а слишком быстрое может не оставить достаточной прибыли после торговых расходов.
Фильтр Калмана позволяет оценивать коэффициент хеджирования, меняющийся во времени. Такая гибкость полезна, если связь между активами постепенно развивается, но одновременно повышает сложность и параметрический риск. Модель, слишком чувствительная к краткосрочному шуму, способна создавать нестабильные сигналы и чрезмерный оборот.
Машинное обучение может использоваться для отбора пар, определения рыночного режима или прогнозирования движения спреда. Однако оно не устраняет базовые риски стратегии. Утечка данных, слабые результаты вне обучающей выборки и недостаточная объяснимость могут сделать сложную модель более надёжной только на вид.
Построение торгового процесса
Работа обычно начинается с экономически однородной группы активов: компаний одной отрасли, облигаций с похожими характеристиками, связанных товаров или сопоставимых по структуре фондов. Затем кандидаты фильтруются по ликвидности, корреляции, коинтеграции и устойчивости спреда.
Стратегии необходимы чёткие правила входа, выхода, ограничения убытка и максимального срока удержания. Реалистичный исторический тест должен учитывать комиссии, разницу между ценами покупки и продажи, проскальзывание, стоимость финансирования и заимствования акций, а также возможность несинхронного исполнения двух заявок.
Для исключения ошибки заглядывания в будущее сигналы следует рассчитывать только на основе информации, которая действительно была доступна в соответствующий момент. Использование современного состава индекса или впоследствии исправленных данных может создать результаты, недостижимые в реальной торговле.
Оценка стратегии не должна ограничиваться общей доходностью. Следует анализировать максимальную просадку, долю прибыльных сделок, соотношение прибыли и убытка, оборот, средний срок удержания, экстремальные потери и устойчивость в разных рыночных режимах. Скользящий анализ и независимое тестирование вне выборки особенно важны для проверки надёжности связи.
Основные риски
Главный риск — разрушение исторической связи. Изменения в бизнесе компании, слияния, регулирование, пересмотр состава индексов или структурная трансформация отрасли могут перевести активы в новое равновесное состояние. В такой ситуации ожидание возврата к прежнему среднему способно не уменьшить, а увеличить убыток.
Существенен и модельный риск. Результаты могут резко измениться при выборе другого периода наблюдения, коэффициента хеджирования или торговых порогов. Исторически сильная зависимость иногда оказывается случайным результатом перебора большого количества комбинаций.
Риск исполнения также снижает теоретическое преимущество. Если обе стороны сделки не исполняются одновременно, портфель временно оказывается подвержен направленному движению рынка. Снижение ликвидности, расширение спредов и отзыв заимствованных акций дополнительно ухудшают результат.
Парный трейдинг не является автоматически рыночно-нейтральным. Даже позиции одинаковой стоимости могут различаться по бете, волатильности, отраслевой чувствительности и ликвидности. В стрессовый период корреляции способны быстро измениться, а несколько пар, считавшихся диверсифицированными, — одновременно понести убытки.
Преимущество парного трейдинга заключается в анализе относительных отношений вместо прямого прогноза рынка. Однако возврат к среднему — это гипотеза, которую необходимо постоянно проверять, а не гарантированный закон. Надёжная система должна регулярно подтверждать актуальность связи, ограничивать размер позиций, применять правила остановки при структурных изменениях, реалистично учитывать издержки и распределять риск между действительно независимыми возможностями.