Как алгоритмы управляют портфелями состоятельных инвесторов

Когда я рассказываю коллегам о своей стратегии, почти всегда слышу одно и то же: «Ну это же просто теханализ. Покупаешь то, что выросло, и ждешь. Никакого фундаментала». Первое время я пытался спорить. Потом понял, что это не вопрос непонимания, а вопрос доверия.

Люди привыкли к тому, что при управлении портфелем в большинстве случаев используется так называемое активное управление — подход, который опирается на опыт самого управляющего, на изучение финансовых отчетов компании, анализ телефонных разговоров с менеджментом по поводу этих результатов и т. д.

Алгоритм же действует немного иначе. Вначале он кажется страшным черным ящиком, в который попадают данные, он что-то с ними делает (непонятно что) и потом говорит, какую бумагу покупать. Более того, у некоторых профессионалов есть опыт работы с алгоритмическим подходом, когда эта работа в лучшем случае не принесла ожидаемых результатов, а в худшем привела к убыткам. Однако чаще всего за этими историями стоят просто неудачные эксперименты, которые почти сразу привели к полному отрицанию discretionary-подхода, хотя нельзя сказать, что он позволяет подобных ошибок избежать.

На сегодняшний день алгоритмический подход — это не просто новомодное веяние, а весьма существенное, как мы увидим ниже, направление на глобальных фондовых рынках с огромной вариацией в части стратегий и используемых инструментов. Игнорировать его, на мой взгляд, нельзя, если мы хотим предоставлять клиентам лучшие инвестиционные возможности. Кроме того, доступность алгоритмического подхода с развитием и внедрением технологий становится все выше, входные барьеры снижаются, а результаты улучшаются.

Рынок, который нельзя игнорировать

Глобальный рынок алгоритмической торговли оценивался в 21 млрд долларов в 2024 году и, по прогнозам Grand View Research, вырастет до 43 млрд долларов к 2030 году, с CAGR (среднегодовым темпом роста) 12,9% в год. Оценки Mordor Intelligence несколько консервативнее, но подтверждают тренд: рынок объемом 18,7 млрд долларов в 2025 году вырастет до 28,4 млрд долларов к 2030-му. Это не просто рост технологического сегмента, это структурное изменение того, как принимаются инвестиционные решения.

Сегодня алгоритмическая торговля генерирует около 60–75% объема торгов на рынках акций США, Европы и крупнейших азиатских биржах. Азиатско-Тихоокеанский регион при этом растет быстрее остальных с прогнозируемым CAGR 8,7% до 2031 года, во многом за счет роста розничных инвесторов на биржах Индии и Юго-Восточной Азии.

ИИ стирает технологический барьер

Еще недавно построить серьезную алгоритмическую стратегию означало иметь в штате команду количественных аналитиков и содержать дорогостоящую инфраструктуру. Сегодня этот барьер стремительно исчезает. Как отметил один из экспертов конференции AI-Based Trading Workshop: «Пятнадцать лет назад данные по опционам стоили 150 тыс. долларов в год. Теперь они доступны через API за несколько сотен долларов». По оценкам участников Algorithmic Trading Conference 2025, стартовый бюджет на инфраструктуру и эксперименты с алгостратегиями сегодня составляет «несколько десятков тысяч долларов» против миллионов еще десятилетие назад.

Генеративный ИИ сделал следующий шаг: языковые модели активно используют для написания кода торговых алгоритмов даже специалисты без глубокого опыта программирования. Такое технологическое развитие позволило индивидуальным инвесторам реализовывать алгоритмические стратегии так же, как это делают профессионалы. Один из участников конференции сравнил этот сдвиг с распространением Excel: «Машинное обучение будет восприниматься все больше как обычный инструмент — так же, как в свое время Excel стал стандартом».

Монополия крупных банков и хедж-фондов на систематические стратегии уходит в прошлое, хотя и они продолжают активно развивать это направление. JPMorgan в 2025 году инвестировал свыше 500 млн долларов в торговые технологии, интегрировав модули количественной оптимизации в свою торговую платформу. По оценкам отраслевых опросов 2025 года, около 70% глобальных хедж-фондов используют модели машинного обучения в той или иной части торгового процесса. Крупнейшие игроки давно проголосовали за этот подход деньгами.

За чем следим мы

Мы отслеживаем, что сегодня может быть предложено в части алгоритмического подхода на рынке. Чаще всего — это HFT-трейдинг, или высокочастотный трейдинг, когда управляющие формируют доходность на серии коротких и частых сделок, целью которых зачастую является реализация арбитражных и маркет-мейкинговых возможностей. Есть также много предложений, где доходность формируется за счет следования за трендом или возврата к среднему значению и т. д.

Однако среди систематических стратегий особое место занимает факторный подход, основанный на принципе отбора бумаг в портфель по заранее определенным, статистически обоснованным характеристикам, таким как моментум, стоимость или качество компании. В отличие от трендовых или арбитражных стратегий, факторный подход опирается не на поведение цены как таковое, а на фундаментальные и рыночные свойства самого актива.

Например, логика фактора моментума проста: акции, которые росли сильнее рынка последние n периодов, с большей вероятностью продолжат опережать его в краткосрочной перспективе. Алгоритм с определенной периодичностью отбирает топ-n% бумаг из широкой выборки по этому критерию и перекладывается, если лидеры меняются. Никаких DCF-моделей (дисконтирование денежных потоков), никаких звонков в службы компаний по связям с инвесторами.

Именно здесь и возникает скептицизм. «Где фундаментал?» — вот самый частый вопрос после рассказа об этом подходе. Фундаментальное обоснование есть, только оно другого рода. Моментум, например, как рыночная аномалия задокументирован в сотнях академических работ начиная с 1990-х годов. Его природа хорошо объяснима: информация распространяется по рынку неравномерно, инвесторы реагируют на нее с запозданием, институциональный капитал перетекает в лидеров постепенно. Алгоритм использует эту инерцию раньше, чем ее осознает большинство участников рынка. Это не теханализ. Это статистически подтвержденная рыночная закономерность.

Почему дисциплина важнее предсказания

Самое сложное в разговоре с клиентом — объяснить не то, как работает алгоритм, а то, почему алгоритм лучше справляется с ситуациями, которые человеку кажутся простыми.

Возьмем любой период резкого падения рынка. Плохие новости, общее ощущение, что надо что-то делать — именно в такие моменты портфельный менеджер сталкивается с давлением, клиент нервничает, коллеги высказывают мнения, инстинкт твердит «выходи». Алгоритм в этот момент отслеживает один показатель: выполняется ли условие входа в рынок? Если нет, то стратегия реагирует в соответствии с заложенными в нее правилами по выходу из позиции. Именно потому, что так диктует правило, а не потому, что «так чувствуется».

Какие выводы

Алгоритмизация инвестиционных стратегий не означает, что управляющие станут не нужны. Этот текст также не имел цели показать, что какой-то из подходов лучше или хуже. Более того, исследования в этом направлении, которые удалось найти, также указывают на то, что ни один из подходов не является приоритетным по отношению к другому. Само противопоставление одного подхода другому в корне неверно, поскольку это просто два инструмента в портфеле инвестора, которые могут помочь ему достичь поставленных целей. 

Основная задача статьи — донести до читателя мысль о том, что алгоритмический (количественный, систематический, rule-based) подход — не обязательно что-то непонятное, некий черный ящик, в котором процесс принятия инвестиционных решений строится на эфемерных предсказаниях. Это вполне зрелый подход, который имеет свою историю, опыт и активно развивается на глобальном фондовом рынке.