Современный финансовый рынок давно перешел в цифровую эпоху: около 80% сделок совершаются торговыми алгоритмами, а не людьми. Скорость операций достигает таких значений, что человеческое восприятие просто не успевает за ними. Однако даже минимальные задержки в исполнении ордеров могут привести к серьезным финансовым потерям. Именно эту проблему решили исследовать Владимир Волков, научный сотрудник Центра теории рынков и пространственной экономики НИУ ВШЭ — Санкт-Петербург, и его коллега Йоанн Потирон из университета Кэйо (Япония).
Их работа началась с анализа японского рынка, где в 2010 году была запущена сверхбыстрая торговая система. Исследование показало, что после внедрения новых технологий латентность — время между событием и реакцией на него — сократилась с 4 с до 300 мс. Это стало отправной точкой для разработки новой статистической модели, которая позволяет точнее оценивать задержки и, как следствие, оптимизировать торговые стратегии.
Раньше латентность не учитывалась в подобных исследованиях, хотя она играет ключевую роль в высокочастотной торговле. Наша модель позволяет оценивать «скрытые задержки», которые возникают между связанными событиями, происходящими группами или «волнами». Это особенно важно для трейдеров, использующих алгоритмические стратегии.
Новый метод основан на многомерных точечных процессах, которые описывают временные интервалы между событиями. Это делает модель универсальной и доступной, поскольку она не требует сложных баз данных, а работает с открытой информацией. Для проверки гипотезы ученые проанализировали данные Нью-Йоркской фондовой биржи и Биржи Торонто за 2020−2021 годы. Результаты показали, что средняя латентность на этих площадках составляет от 1 до 6 мс, причем американский рынок оказался быстрее, а канадский — стабильнее.
Но применение новой модели не ограничивается финансами. Как отмечает Владимир Волков, ее можно адаптировать для других областей, где важны временные задержки: в сейсмологии, эпидемиологии, биологии и даже медиа. Например, она поможет точнее предсказывать распространение вирусов или анализировать активность в соцсетях.
Ранее Наука Mail рассказывала, что исследователи из России разработали нейросетевую модель, способную за сутки до события с точностью больше 83% предупредить о приближении краткосрочного фондового кризиса.
