AIによる株式投資3カ月で100万円上級【理論こそが重要である】

ブラックスワンとは、一般的に、これまでに観測されたことのない極端な出来事と定義される。以前ある人から「クオンツ投資戦略は役に立たない」といわれたことがある。

彼は「未来はブラックスワンで埋め尽くされている。過去のデータセットにはみたこともないような出来事は含まれていないので、それを予測するために機械学習アルゴリズムを訓練することはできないからだ」と答えた。

筆者は、実は多くの場介にブラックスワンは予測されていると反論した。

この一見矛盾する議論を、ある例を川いて説明しよう、2010年、米国の人手ヘッジファンドで鳥頻度先物の責任者をしていた。 

5月、いつものように流動性供給アルゴリズムを実行していたが、12 : 30(米国東部標準時)頃、アルゴリズムの多くが自動的にポジションを閉じはじめた。

システムに干渉したりオーバーライドしたりしなかったため、数分以内に市場でのエクスポージャーは非常に小さくなった。

このようなシステムの挙動はそれまで一度も起きたことがなかった。

システムが自動的にシャットダウンした原囚についてフォレンジック分析を行っていたが、14 : 30頃、S&P 500が数分のうちに始値と比恢して10%近く急落したのを凵の当たりにした、その直後、システムは積極的な買いを開始し、終値までの5%のll昇から利益を得ることができた。

メディアはこのブラックスワンを「フラッシュ・クラッシュ」と呼ぶことになった。

この事象は2つの点で驚きであった。第一に、開発者である筆者たちがF想していなかった出来事をシステムがどのように予測したのか理解できなかったこと。

第二に、市場が底を打った直後になぜシステムが買いを始めたのか理解できなかったことである。

約5ヵ月後の公式調査によって、この暴藩の原囚は、-mini S&P 500・先物7万5.000本を高いパーティシペーション・レートで売るという1つの売り注文による叮能性が高いことが判明した(CFTC 2010)。

この大目の注文は、オーダーフローの不均衡を持続させ、マーケットメーカーが損失を出さずに在雌を反転させることが非常に閑難になった。

この有害なオーダーフローによってマーケットメーカーのストップアウト制限が発動し、マーケットメーカーは流動性の提供を停止した。

マーケットメーカーは積極的な流動性のテイカーとなり、ビット側に残る者がだれもいなくなり、市場は必然的に崩壊した(Easley et al. 2011)。

CNBCをみたりウォール・ストリート・ジャーナルを読んだりしても、フラッシュ・クラッシュを予測することはできなかった。 

多くの市場参加者にとって、フラッシュ・クラッシュはたしかに予測不可能なブラックスワンであった。

しかし、フラッシュ・クラッシュの根本的な原因は非常に一般的なものだった。

オーダーフローが完全に均衡していることはほとんどない。

実際には、持続性のレベル(たとえば系列相関によって測定される)はさまざまだが、オーダーフローの不均衡は常態化している。 

システムは、オーダーフローの不均衡が極端な状況ではポジションを減らすように訓練されていた。

これによって、ブラックスワンの原因となった状況を回避するように訓練されていたのである。

市場が崩壊すると、システムは10%のディスカウントで購入する投資機会がオーダーフローの不均衡の懸念を相殺してあまりあると判断し、大引けまでロングポジションを維持した。

この経験は、2つの最も重要な教訓を示している。