アルファプロファイリング

アルファプロファイリング^{[1] [2]は、}アルゴリズム取引によって金融市場における大口注文の執行を最適化する機械学習 の応用である。その目的は、予想される実施不足を最小限に抑える、またはより一般的には最良執行命令への準拠を保証する執行スケジュールを選択することである。アルファプロファイリングモデルは、特定の取引戦略またはポートフォリオマネージャーからの注文の執行における統計的に有意なパターンを学習し、これらのパターンを利用して最適な執行スケジュールを新しい注文に関連付ける。この意味では、統計的裁定取引を最良執行に応用したものである。たとえば、バリュー投資を専門とするポートフォリオマネージャーは、資産の価値がまだ下がっている間に買い注文を出す行動バイアスを持っている可能性がある 。この場合、遅いまたは後回しにされた執行スケジュールの方が、緊急のスケジュールよりも良い執行結果をもたらすだろう。しかし、この同じポートフォリオマネージャーは、資産価格がすでに上昇し始めた後に注文を出すこともあり、その場合は緊急に処理するのが最善である。この例は、アルファ プロファイリングでは、最適な実行スケジュールを特定するために、市場データなどの公開情報と、ポートフォリオ マネージャーの ID や注文のサイズと発行元などの非公開情報を組み合わせる必要があることを示しています。

大規模なブロック注文は、通常、同じサイズの相手がいないためにすぐには実行できません。代わりに、小さな断片に分割して時間をかけて市場に送る必要があります。各断片は価格に何らかの影響を与えるため、平均すると、買い注文の実現価格は決定時よりも高くなり、売り注文の場合は低くなります。実行不足は、決定時の価格とブロックの実行に支払われる平均予想価格の差であり、通常は次のようにベーシスポイントで表されます。

${\displaystyle IS[bps]=10000*{\frac {P_{fill}-P_{decision}}{P_{decision}}}.}$

注文のアルファ プロファイルとは、注文と市場の状態、つまり決定時間から必要な完了時間までを条件とする、影響のない予想価格です。言い換えれば、注文が実行されなかった場合に、実行期間にわたって証券が持つと予想される価格です。実行戦略のコストを見積もるには、市場への影響を影響のない価格に追加する必要があります。^[3]影響調整なしで代替スケジュールのコストを見積もろうとすると逆効果になることは強調する価値があります。緊急性の高い戦略は、決定時間近くでより多くの流動性を獲得するため、影響を考慮しない場合は常に優先されます。実際、前倒しの実行スケジュールでは、平均影響コストが高くなります。^[4]

アルファ プロファイルを計算する 1 つの方法は、ナイーブ ベイズなどの分類手法を使用することです。履歴レコードから類似した特徴を持つ注文のコレクションを見つけ、各ケースの影響のない価格を計算し、取引開始から次の数日間の単純平均リターンを取得します。この方法は堅牢で透明性が高く、各注文は、提案された最適な決定の説明の一部としてユーザーに表示できる特定の特徴を共有する注文のクラスに関連付けられます。ただし、類似性による取引の分類に基づくアルファ プロファイリング モデルには、一般化の力が限られています。新しい注文は、同様の特徴を持つ他の注文が過去に動作したのと同じように動作しないこともあります。機械学習(ML) 手法を使用して、注文と市場の状態を前提とした将来の価格シナリオの確率を学習することで、アルファ プロファイルをより正確に推定できます。その後、アルファ プロファイルは、シナリオの確率で重み付けされた、さまざまなシナリオでの証券価格の統計平均として計算されます。

最適執行とは、リスク調整後のコスト関数を最小化する執行スケジュールを特定する問題です。ここで、コスト項は取引コストがポートフォリオの価値に及ぼすと予想される影響であり、リスク項は取引執行がリスクに及ぼす影響の尺度です。取引執行がポートフォリオの収益に及ぼす影響を特定することは難しく、リスクに及ぼす影響を特定することはさらに難しいため、実際には別の仕様がよく使用されます。コストは実行不足として定義され、リスクは同じ量の分散とみなされます。この仕様はよく使用されますが、2 つの欠点に注意することが重要です。まず、定義した実行不足は、すべての注文が最初に入力されたとおりに完全に履行された場合のポートフォリオのコストの尺度にすぎません。ポートフォリオ マネージャーが注文のサイズを編集したり、一部の注文が未完了のままになったりした場合は、機会費用を考慮する必要があります。次に、定義した執行リスクはポートフォリオ リスクに直接関連していないため、実用的な価値はほとんどありません。

リスク調整コスト関数を最小化する最適な実行スケジュールを導出する方法は、Bertsimas と Lo によって提案されました。^[5] Almgren と Chriss は、線形影響モデルと単純なアルファ プロファイルを使用して、基本的なリスク調整コスト最適化問題の閉形式のソリューションを提供しました。^[6]より最近のソリューションは、市場影響のプロパゲーター モデルに基づいて提案されていますが、^[7]ここでもアルファ プロファイルは単純であると想定されています。実際には、影響は非線形であり、最適なスケジュールはアルファ プロファイルの影響を受けます。拡散モデル^{[8] は、}速度指数の推定値が 0.25 (より速く取引すると影響が大きくなる) である市場影響の関数形式を生成します。このような関数形式を使用して、単純なアルファ プロファイルを使用しない最適な実行ソリューションを数値的に導出することができます。

• 実践を通して学ぶ^{[永久リンク切れ‍ ]}