Квант-трейдинг по роадмапу MIT: байесовские спектры, неблагоприятный отбор, GTO и математика дисперсии

13 минут чтения •


Оглавление

В рекрутинге ведущих количественных фондов и проп-трейдинговых фирм Уолл-стрит существует контринтуитивная традиция. Такие гиганты, как Susquehanna International Group (SIG) с годовым объемом операций свыше $800 млрд и расчетной торговой выручкой свыше $20 млрд, а также Jane Street, системно включают покер в обязательную программу подготовки и стажировки своих количественных исследователей и трейдеров. Более того, в Массачусетском технологическом институте (MIT) был разработан специализированный курс теории игр и покера под руководством Кевина Дезмонда (Kevin Desmond), куда в качестве лекторов приглашаются легендарные кванты: Билл Чен (Bill Chen, соавтор фундаментального труда «The Mathematics of Poker» и квант Susquehanna), Мэтт Лоуэрс (Matt Louwerse, профессиональный трейдер и победитель турниров WSOP) и Аарон Браун (Aaron Brown, экс-руководитель риск-менеджмента фонда AQR).

Покер привлекает количественные фонды не азартом, а своей математической природой. В отличие от шахмат или го, представляющих собой игры с полной информацией и детерминированным деревом поиска, финансовый рынок и покер — это системы с неполной информацией, стохастической средой, скрытыми состояниями и динамической обратной связью (Feedback Loop).

В данном материале разобран инженерный и теоретический роадмап курса MIT, представленный в обзоре канала Unbiased Trading (MIT’s Complete Poker Roadmap for Traders), с глубоким погружением в байесовский вывод, проблему неблагоприятного отбора (Adverse Selection), компромисс смещения и дисперсии при моделировании контрагентов и физику шума в количественных стратегиях.

1. Асимметрия информации и байесовская калибровка

В любой рыночной транзакции участник оперирует тремя фундаментальными слоями информации:

  1. Приватная информация (Private State): собственные карты на руках в покере; закрытые лимитные ордера, складские запасы инвентаря и целевая функция в трейдинге.
  2. Публичная информация (Public State): общие карты на борде; открытый биржевой стакан котировок (L2 Order Book), публичная лента сделок (Time & Sales) и макроэкономические публикации.
  3. Информация, извлекаемая из действий контрагента (Action-Derived Information): размер ставки, тайминг действия и позиция за столом; агрессивное снятие ликвидности (Market Orders), айсберг-заявки и перекос дельты кумулятивного объема (CVD).

Главная ошибка начинающих исследователей заключается в предположении, что рынок нейтрален, а вероятность успеха зависит исключительно от статических характеристик инструмента. В реальности любое действие другого участника несет байесовский информационный сигнал.

Байесовское обновление спектра блефа

Рассмотрим хрестоматийный пример из лекции MIT. Ситуация на ривере: новых карт больше не откроется, банк составляет $$150$ (включая ставку оппонента в $$50$). Для того чтобы увидеть карты оппонента, необходимо доставить в банк $$50$ (Call). Итоговый размер банка составит $$200$.

Ваша рука побеждает любой блеф оппонента, но гарантированно проигрывает любой готовой сильной комбинации (Value Bet). Необходимый процент побед для безубыточного колла (Pot Odds) рассчитывается как:

$$\text{Break-Even Winrate} = \frac{\text{Cost of Call}}{\text{Total Pot after Call}} = \frac{50}{150 + 50} = \frac{50}{200} = 25\%$$

Математическое ожидание решения зависит от вероятности того, что ставка оппонента является блефом ($P(\text{Bluff})$):

$$\mathbb{E}[V] = P(\text{Bluff}) \times (\text{Pot}) - (1 - P(\text{Bluff})) \times (\text{Cost})$$

Физические карты и размер риска ($$50$) абсолютно идентичны. Однако математическое ожидание меняет знак с $+$30$ на $-$30$ исключительно из-за байесовской оценки спектра контрагента.

2. Неблагоприятный отбор (Adverse Selection) в маркет-мейкинге

В алгоритмическом трейдинге концепция скрытой информации напрямую проявляется через феномен неблагоприятного отбора. Квант Susquehanna Джаред Тендлер иллюстрирует это на механике работы опционного маркет-мейкера.

Предположим, внутренняя ценовая модель маркет-мейкера оценивает справедливую стоимость дериватива в $$3.05$. Желая заработать спред в 2 цента, маркет-мейкер выставляет котировку на продажу (Ask) по $$3.07$.

sequenceDiagram
    autonumber
    participant MM as Маркет-мейкер (Модель Fair Value = $3.05)
    participant CP as Информированный контрагент (Alpha = $3.10)
    participant OB as Биржевой стакан (Order Book)

    MM->>OB: Лимитный ордер Sell Ask @ $3.07 (+2¢ теоретического спреда)
    Note over CP: Контрагент обладает опережающим сигналом: истинная цена $3.10
    CP->>OB: Маркет-ордер Buy @ $3.07 (Агрессивное исполнение)
    OB-->>MM: Уведомление об исполнении сделки (Fill)
    Note over MM,CP: Кажущаяся прибыль маркет-мейкера: +$0.02
    Note over MM: Сдвиг цены актива до $3.10 -> Фактический убыток: -$0.03

Если покупатель приходит на рынок исключительно для хеджирования портфельного риска корпоративного бизнеса (шумовой / неинформированный поток), маркет-мейкер стабильно забирает свои $$0.02$. Обе стороны достигают цели: клиент купил страховку от волатильности, маркет-мейкер монетизировал ликвидность.

Однако если покупатель обладает информацией или опережающей моделью, которую текущая система котирования упустила (например, микроструктурный дисбаланс или латентностный арбитраж), истинная ценность актива составляет $$3.10$. Сделка, совершенная по $$3.07$, приносит маркет-мейкеру не прибыль в $+2$ цента, а чистый математический убыток в $-3$ цента ($$3.07 - $3.10$).

Инженерный вывод: Факт исполнения вашей лимитной заявки (Fill) не является нейтральным событием. Те сделки, которые вам дают совершить чаще всего, статистически смещены в сторону ваших самых грубых модельных ошибок. Это фундаментальный закон микроструктуры: лимитные ордера всегда продают бесплатный опцион рынку.

3. Bias-Variance Dilemma при кластеризации рыночных режимов

Чтобы оценивать намерения контрагентов или предсказывать поведение цены, количественная модель должна обобщать исторические прецеденты. Однако и в покере, и в финансовых рядах исследователь сталкивается с фундаментальным компромиссом смещения и дисперсии (Bias-Variance Tradeoff).

Даже профессиональная дистанция в несколько сотен раздач против конкретного игрока охватывает ничтожную часть дерева состояний покера. Аналогично, на бирже конкретный паттерн стакана или микроструктуры на 1-минутном таймфрейме за последнюю неделю насчитывает ограниченное число наблюдений. Возникает необходимость объединять похожие ситуации в кластеры:

flowchart TD
    A[Проблема моделирования: Ограниченность наблюдений] --> B{Стратегия кластеризации}
    
    B -->|Грубая агрегация| C[High Bias / Underfitting]
    C --> C1[Объединение всех участников в один пул]
    C1 --> C2[Размытие сигналов: блефующие смешиваются с нитами]
    C2 --> C3[Модель предсказывает среднюю температуру по больнице]
    
    B -->|Чрезмерная детализация| D[High Variance / Overfitting]
    D --> D1[Изолированная модель под каждого игрока и сайзинг]
    D1 --> D2[Микровыборки: N < 10 наблюдений в ячейке]
    D2 --> D3[Пара случайных выбросов ломает апостериорную оценку]

    B -->|Регуляризованная иерархия| E[Balanced Clustering]
    E --> E1[Группировка по структурным признакам: время суток, ликвидность]
    E1 --> E2[Байесовское сжатие оценок к априорному среднему]
    E2 --> E3[Проверка прогностической силы на OOS-данных]

Анатомия ошибок кластеризации

  1. Избыточная агрегация (Высокое смещение, High Bias): Если сложить всех контрагентов в единое распределение, выборка будет гигантской, но агрессивные HFT-арбитражеры усреднятся с пассивными розничными трейдерами и алгоритмами ребалансировки пенсионных фондов. Полученная средняя вероятность токсичности не будет описывать ни одну из реальных групп.
  2. Чрезмерное разделение (Высокая дисперсия, High Variance): Если создавать отдельную подмодель для каждого сочетания параметров (инструмент $\times$ фаза волатильности $\times$ глубина книги $\times$ время до экспирации), размер выборки в каждой ячейке упадет до единиц. Единичная аномальная сделка приведет к катастрофической переоценке вероятностей в бэктесте.

Джаред Тендлер и исследователи MIT подчеркивают: разбиение на подгруппы оправдано только тогда, когда для каждой выделенной группы есть достаточный объем статистических свидетельств, подтверждающий устойчивое различие в поведении на отложенной (Out-of-Sample) выборке.

Например, в биржевых данных ордер на покупку в 10:00:01 может быть плановой календарной ребалансировкой бенчмарка (не несущей направленного прогноза на 15 минут вперед), тогда как идентичный ордер в 14:30:00 после выхода данных по CPI обусловлен институциональной переоценкой макропараметров. Время суток и макрорежим служат обоснованными признаками для кластеризации, разделяющими шумовой поток и токсичный моментум.

4. GTO (Равновесие Нэша) против эксплуатативных стратегий

Один из центральных разделов курса MIT посвящен дихотомии между GTO (Game Theory Optimal) и эксплуатативным подходом (Exploitative Strategy).

Чтобы продемонстрировать математическую необходимость балансировки, профессор Мэтт Лоуэрс использует модельную игру в монетку с асимметричной информацией:

Игрушечная модель MIT: Игра в монетку с раундом ставок

Наивная стратегия (Exploitable)

Наивный Игрок 1 решает: «Буду ставить $1 строго тогда, когда выпал Орел, и чекать, когда выпала Решка». Кажется логичным — ставить только тогда, когда гарантированно побеждаешь.

Однако рынок быстро адаптируется. Как только Игрок 2 понимает, что ставка всегда означает «Орла», его оптимальным ответом становится Fold на 100% ставок.

Преимущество тайного знания результата монеты полностью испарилось! Пытаясь избежать риска проигрыша при ставке, Игрок 1 сделал свое поведение тривиально читаемым для оппонента.

Равновесное решение (GTO / Mixed Strategy)

Чтобы заставить оппонента коллировать ставки на победных монетах, Игрок 1 обязан блефовать с определенной математически выверенной частотой $\alpha$.

Если банк перед ставкой равен $P = 2$, а размер ставки $B = 1$, шансы банка (Pot Odds) для Игрока 2 при колле составляют:

$$\text{Odds} = \frac{B}{P + B} = \frac{1}{2 + 1} = \frac{1}{3} \approx 33.3\%$$

Следовательно, Игрок 1 должен сбалансировать диапазон так, чтобы отношение блефов к велью-ставкам составляло ровно $1 : 2$ (то есть 1 блеф на 2 ставки на вэлью):

Теперь при ставке в диапазоне Игрока 1 содержится $\frac{2}{3}$ сильных исходов и $\frac{1}{3}$ блефов. Оппонент становится индифферентен между коллом и фолдом (EV обоих действий для него строго равно нулю). Любая попытка эксплуатировать Игрока 1 проваливается. Игрок 1 гарантирует себе строго положительный доход за счет равновесия Нэша.

graph TD
    subgraph GTO_Equilibrium [Равновесие Нэша / GTO]
        G1[Минимизация максимальных потерь]
        G2[Неуязвимость к эксплойту сильными игроками]
        G3[Применение: Маркет-мейкинг, дельта-нейтральный арбитраж]
    end

    subgraph Exploitative_Play [Эксплуатативная альфа]
        E1[Максимизация математического ожидания против ошибок]
        E2[Отклонение от равновесия при наличии подтвержденного перекоса]
        E3[Применение: Охота за ликвидациями, фронтраннинг retail-потока]
    end

    GTO_Equilibrium -.->|Базовый защитный слой| Defense[Risk & Inventory Shield]
    Exploitative_Play -.->|Генерация избыточной доходности| Alpha[Active Alpha Generation]

Применение в алгоритмических стратегиях

На бирже это разделение определяет специализацию quant-инфраструктуры:

  1. Маркет-мейкеры и HFT (GTO): Котирование обязано быть максимально сбалансированным. Если маркет-мейкер асимметрично расширяет спред или котирует только одну сторону, он мгновенно подвергается токсичному арбитражу. GTO здесь — это броня от информированных контрагентов.
  2. Направленные фонды (Exploitative): Игра строго по GTO против слабых нерациональных участников (например, панически ликвидирующихся трейдеров на криптовалютных деривативах) субоптимальна. Если оппонент систематически сбрасывает в 90% случаев, GTO-балансировка теряет деньги: оптимальным действием становится блеф на 100% диапазона до тех пор, пока рынок не адаптируется.

5. Математика дисперсии: почему 100 сделок ничего не доказывают

Самый драматичный урок, который количественные исследователи выносят из покера, — это истинный масштаб хвостовой дисперсии (Noise-to-Signal Ratio).

Джаред Тендлер приводит реальные цифры из хедз-ап лимитного холдема. В этой дисциплине устойчивое долгосрочное преимущество топового игрока над сильным полем составляет около:

$$\mu = +0.02 \quad \text{больших ставок на раздачу (Big Bets / hand)}$$

При этом стандартное отклонение (волатильность) результата на одну конкретную раздачу равно:

$$\sigma = 2.50 \quad \text{больших ставок}$$

Вычислим отношение шума к полезному сигналу:

$$\frac{\text{Noise}}{\text{Signal}} = \frac{\sigma}{\mu} = \frac{2.50}{0.02} = 125$$

Шум превосходит полезный сигнал в 125 раз! Результат любой отдельной раздачи или торговой сессии на 99.2% определяется случайным блужданием дисперсии и лишь на 0.8% — фундаментальным преимуществом.

Статистическая неопределенность на выборках

Пусть раздачи независимы и одинаково распределены ($i.i.d.$). Рассмотрим суммарный результат игрока через $N$ раздач.

Рассчитаем метрики для выборок разного размера:

Число раздач / сделок ($N$)Ожидаемый результат ($\mathbb{E}[S_N]$)Стандартное отклонение ($\sigma_{S_N}$)Стандартная ошибка среднего ($\text{SE} = \frac{\sigma}{\sqrt{N}}$)Вероятность закрыть дистанцию в убытке ($P(S_N < 0)$)
100$+2.0\text{ BB}$$25.0\text{ BB}$$0.250\text{ BB}$$46.8\%$
1,000$+20.0\text{ BB}$$79.1\text{ BB}$$0.079\text{ BB}$$39.8\%$
10,000$+200.0\text{ BB}$$250.0\text{ BB}$$0.025\text{ BB}$$21.2\%$
100,000$+2{,}000.0\text{ BB}$$790.6\text{ BB}$$0.0079\text{ BB}$$0.57\%$
flowchart LR
    subgraph Sample_100 [N = 100 сделок]
        S1[SE = 0.250] --> S2[В 12.5 раз больше самого преимущества 0.02]
        S2 --> S3[P убытка = 46.8%: Монета!]
    end

    subgraph Sample_10000 [N = 10,000 сделок]
        M1[SE = 0.025] --> M2[Сопоставимо с величиной преимущества 0.02]
        M2 --> M3[P убытка = 21.2%: Каждый пятый в минусе]
    end

    subgraph Sample_100000 [N = 100,000 сделок]
        L1[SE = 0.0079] --> L2[Преимущество выходит из-под шума: t-stat > 2.5]
        L2 --> L3[Статистическая достоверность]
    end

    Sample_100 ==> Sample_10000 ==> Sample_100000

Выводы для бэктестинга и оценки алгоритмов

  1. Ловушка коротких бэктестов: Если торговый робот совершил 100 сделок за месяц и показал просадку, с вероятностью почти $47\%$ это чистая флуктуация дисперсии, не имеющая отношения к работоспособности логики. И наоборот: прибыльная серия из 100 сделок не доказывает наличия альфы.
  2. Квадратный корень времени: Чтобы повысить точность оценки альфы в 10 раз, объем выборки независимых сделок необходимо увеличить в $10^2 = 100$ раз.
  3. Псевдонезависимость наблюдений (Execution Clustering): Если алгоритм разбивает один крупный ордер на 10 TWAP-слайсов, исполняемых в течение одной 5-минутки, это не 10 независимых сделок. Это одна сделка с коррелированным риском. По аналогии: ставки на флопе, терне и ривере в рамках одной покерной раздачи не являются независимыми проверками преимущества — они оперируют одним и тем же исходным раскладом.

6. Алгоритмическая симуляция: байесовская калибровка и Монте-Карло дисперсии

Для строгой валидации математических моделей, преподаваемых в MIT, реализуем симуляционный скрипт на Python. Модуль решает три задачи:

  1. Вычисляет байесовское апостериорное распределение вероятности блефа оппонента с бета-априорным распределением $\text{Beta}(\alpha_0, \beta_0)$.
  2. Рассчитывает матрицу выигрышей и проверяет смешанное равновесие Нэша в игре с неполной информацией.
  3. Запускает симуляцию Монте-Карло для 10,000 независимых сессий, рассчитывая эмпирическую вероятность просадки при соотношении шума к сигналу $\sigma / \mu = 125$.
import numpy as np

def bayesian_bluff_update(prior_alpha: float, prior_beta: float, observed_bluffs: int, observed_value_bets: int) -> float:
    """
    Байесовское обновление распределения вероятности блефа:
    Posterior ~ Beta(alpha_0 + observed_bluffs, beta_0 + observed_value_bets)
    Возвращает математическое ожидание апостериорной вероятности P(Bluff).
    """
    post_alpha = prior_alpha + observed_bluffs
    post_beta = prior_beta + observed_value_bets
    expected_bluff_prob = post_alpha / (post_alpha + post_beta)
    return expected_bluff_prob

def solve_coin_game_equilibrium(pot: float, bet: float):
    """
    Аналитическое решение смешанного равновесия Нэша для игры с монеткой (MIT Toy Model).
    Игрок 1 видит монету (Орел/Решка).
    Игрок 2 принимает решение о колле.
    """
    # Шансы банка для Игрока 2: P(Call) безразличен, если Bluff_Freq = Bet / (Pot + Bet)
    alpha_bluff = bet / (pot + bet)
    # Частота колла Игрока 2, делающая блеф Игрока 1 нулевым по EV
    p_call = pot / (pot + bet)
    
    return {
        "p1_bluff_frequency_on_tails": alpha_bluff,
        "p2_call_frequency": p_call,
        "expected_value_p1": 0.5 * (pot / 2) # гарантированная альфа от информации
    }

def monte_carlo_variance_simulation(mu: float, sigma: float, n_steps: int, n_simulations: int = 5000):
    """
    Монте-Карло симуляция накопленного P&L при высоком уровне шума (Noise-to-Signal ratio).
    """
    np.random.seed(42)
    # Генерация N путей
    draws = np.random.normal(loc=mu, scale=sigma, size=(n_simulations, n_steps))
    cumulative_pnl = np.cumsum(draws, axis=1)
    
    final_pnl = cumulative_pnl[:, -1]
    pct_loss = np.mean(final_pnl < 0) * 100.0
    empirical_mean = np.mean(final_pnl)
    empirical_se = np.std(final_pnl) / np.sqrt(n_simulations)
    
    return {
        "n_steps": n_steps,
        "pct_sessions_in_loss": pct_loss,
        "mean_final_pnl": empirical_mean,
        "standard_error": empirical_se
    }

if __name__ == "__main__":
    # 1. Байесовский апдейт: слабоинформированное априорное Beta(1, 1), 4 блефа из 10 проверенных раздач
    p_bluff = bayesian_bluff_update(prior_alpha=1.0, prior_beta=1.0, observed_bluffs=4, observed_value_bets=6)
    print(f"Апостериорная вероятность блефа: {p_bluff:.3f}")
    
    # 2. Равновесие Нэша в игре MIT (Банк $2, Ставка $1)
    eq = solve_coin_game_equilibrium(pot=2.0, bet=1.0)
    print(f"GTO частота блефа: {eq['p1_bluff_frequency_on_tails']:.3f}, Частота колла оппонента: {eq['p2_call_frequency']:.3f}")
    
    # 3. Монте-Карло для 100 и 10,000 сделок при mu=0.02, sigma=2.5
    res_100 = monte_carlo_variance_simulation(mu=0.02, sigma=2.5, n_steps=100)
    res_10k = monte_carlo_variance_simulation(mu=0.02, sigma=2.5, n_steps=10000)
    print(f"N=100: Сессий в минусе = {res_100['pct_sessions_in_loss']:.1f}%")
    print(f"N=10000: Сессий в минусе = {res_10k['pct_sessions_in_loss']:.1f}%")

7. Психология тильта и деградация процесса

Понятие «тильта» пришло в финансовый словарь квантов именно из покера благодаря трудам Джареда Тендлера («The Mental Game of Poker» / «The Mental Game of Trading»).

В систематическом трейдинге тильт проявляется не в эмоциональных криках перед монитором, а в структурном разрушении дисциплины исполнения:

flowchart TD
    A[Штатный убыток в рамках нормальной дисперсии: EV > 0] --> B{Реакция оператора}
    
    B -->|Откалиброванный квант| C[Разделение Decision Quality и Outcome]
    C --> C1[Проверка соответствия потерь доверительному интервалу]
    C1 --> C2[Фиксация логов и сохранение неизменного риск-профиля]
    
    B -->|Когнитивное искажение Outcome Bias| D[Тильт и субъективное разочарование]
    D --> D1[Вмешательство в риск-параметры: повышение плеча]
    D1 --> D2[Субъективный выбор сделок в обход алгоритма]
    D2 --> D3[Катастрофическая просадка и разрушение торгового капитала]

Когда трейдер совершает колл с математическим ожиданием $+$30$, он в $60\%$ случаев встает из-за стола с локальным убытком в $-$50$. Профессионализм заключается в том, чтобы после 5 таких убытков подряд шестой колл был сделан с точно такой же математической точностью, без страха и колебаний.

8. Сводная матрица: перенос концептов MIT Poker в архитектуру квант-фондов

Сравнительная таблица соответствия между теоретико-игровыми концептами покера и продакшен-архитектурой количественного фонда:

Концепт теории игр / ПокерАналог в количественном трейдингеАрхитектурная реализация в софтеРиск при игнорировании
Pot Odds & Break-Even EquityСоотношение риск/прибыль (R:R) и калибровка порога срабатывания классификатораМодуль валидации сигналов: фильтрация сделок строго при прогнозируемом $\mathbb{E}[V] > \text{Costs}$Вход в отрицательные сделки с видимой высокой частотой побед (Winrate trap)
Adverse SelectionНеблагоприятный отбор и токсичность потока в биржевом стаканеQuote Skewing алгоритмы: учет направления рыночной дельты и сдвиг котировок от информированного потокаИсполнение лимитных заявок ровно перед сильными пробоями цены против позиции
GTO Mixed StrategyБалансировка размера заявок, рандомизация тайминга и дельта-нейтральностьExecution Algos (TWAP/VWAP с гауссовским шумом по времени и объему)Выявление присутствия алгоритма другими HFT и хищнический фронтраннинг
Bias-Variance State ClusteringОпределение рыночных режимов (Vol regimes, Macro states)Иерархические байесовские модели, кластеризация скрытых марковских цепей (HMM)Оверфиттинг на шумных подвыборках либо нечувствительность к смене фазы рынка
Downswing & Noise-to-SignalПросадки портфеля при сохранении фундаментальной альфыДоверительные коридоры Монте-Карло, стресс-тестирование исторических просадокПаническая ликвидация работающей стратегии на дне штатного даунсвинга
Hand History ReviewАудит качества исполнения ордеров (TCA — Transaction Cost Analysis)Неизменяемый структурированный лог: входной вектор признаков $\to$ решение модели $\to$ фактический слиппеджНевозможность отделить ошибку кода/модели от нормальной рыночной волатильности

Чеклист для разработчиков торговых алгоритмов

Для перевода покерных принципов MIT в кодовую базу торговой системы необходимо внедрить следующие инженерные инварианты: