Основные типы торговых стратегий в алгоритмической торговле

Алгоритмическая торговля начинается не с вопроса "где купить" и не с выбора индикатора. Она начинается с гипотезы о том, почему рынок иногда ведёт себя неслучайно: продолжает движение, возвращается к среднему, временно расходится между связанными инструментами, платит за предоставление ликвидности или даёт премию за распределение риска между активами.

Поэтому тип стратегии — это не готовый рецепт, а описание источника предполагаемого edge. Один подход живёт на трендах, другой на краткосрочных отклонениях, третий на микроструктуре стакана, четвёртый на портфельной диверсификации. У каждого есть своя частота сделок, требования к данным, модель исполнения, характер просадок и риск исчезновения закономерности.

Ниже — обзор основных типов стратегий без торговых сигналов и без обещаний доходности. Смысл не в том, чтобы выбрать "лучшую", а в том, чтобы понимать, какую рыночную гипотезу проверяет каждая группа и где она обычно ломается.

Trend following

Trend following строится на предположении, что сильное движение может продолжаться дольше, чем кажется рациональным наблюдателю. Стратегия не пытается поймать минимум или максимум. Она ждёт подтверждения направления и входит уже после того, как часть движения произошла.

В простом виде это может быть правило на скользящих средних, каналах, breakout-фильтрах или положительной доходности за прошлый период. В более строгой форме это близко к time-series momentum: инструмент оценивается относительно собственной прошлой динамики, а не относительно других активов. Moskowitz, Ooi и Pedersen описывали устойчивость такого эффекта на разных классах фьючерсов, хотя это не превращает его в постоянный закон рынка. 1

Главная цена trend following — запаздывание. Стратегия часто покупает не "дёшево", а уже после роста, и продаёт не на вершине, а после разворота. В боковом рынке она получает серию ложных входов: цена немного выходит из диапазона, сигнал срабатывает, затем рынок возвращается обратно. Поэтому такие системы обычно зависят от редких сильных трендов, которые компенсируют множество мелких потерь.

Инженерный вопрос здесь не "какой индикатор лучше", а выдерживает ли стратегия длинные периоды пилы, учитывает ли комиссии и slippage, не завышает ли размер позиции после удачного тренда и не ломается ли при смене волатильности.

Mean reversion

Mean reversion исходит из противоположной идеи: отклонение от некоторого среднего состояния не всегда продолжается, иногда рынок возвращается назад. Средним может быть moving average, справедливая стоимость, спред между связанными инструментами, факторная оценка, внутридневной диапазон или статистическая норма волатильности.

Такие стратегии часто выглядят интуитивно: если цена резко ушла слишком далеко, можно ожидать возврата. Но слово "слишком" здесь опасно. Отклонение может быть временным шумом, а может быть началом нового режима. То, что вчера было растяжением, сегодня может оказаться переоценкой информации рынком.

Mean reversion особенно чувствительна к горизонту. На коротких интервалах возврат может быть связан с микроструктурой, order flow и временным дисбалансом ликвидности. На более длинных интервалах речь уже ближе к value, фундаментальным оценкам или перегреву фактора. Ошибка горизонта превращает стратегию в усреднение против рынка: позиция растёт именно тогда, когда гипотеза уже перестала работать.

Поэтому для mean reversion важны жёсткие правила остановки. Нужен не только сигнал отклонения, но и критерий признания ошибки: когда отклонение перестало быть шумом и стало новым состоянием рынка.

Momentum

Momentum похож на trend following, но акцент другой. Trend following чаще смотрит на динамику инструмента относительно самого себя: есть ли устойчивое направление. Momentum часто сравнивает инструменты между собой: какие активы были сильнее или слабее за прошлый период и сохраняется ли относительная сила.

Классическая работа Jegadeesh и Titman показала, что покупка прошлых "победителей" и продажа прошлых "проигравших" на горизонтах 3-12 месяцев давала статистически значимые результаты на американских акциях в исследованной выборке. 2 Для практики важна не конкретная историческая доходность, а сам факт: momentum — это не настроение трейдера, а исследуемый рыночный эффект с большой литературой и такими же большими ограничениями.

Слабое место momentum — crowded trade и резкие развороты. Когда многие участники держат похожие позиции, выход из них может стать самоподдерживающимся движением в обратную сторону. Кроме того, momentum плохо переносит периоды, когда рынок быстро переключается между лидерами и аутсайдерами.

В алгоритмической реализации momentum почти всегда требует портфельного взгляда: как ранжируются инструменты, как часто происходит rebalance, сколько оборота создаёт стратегия, насколько сигнал устойчив после комиссий и не является ли результат следствием survivorship bias.

Breakout strategies

Breakout strategies работают с моментом выхода цены из диапазона, уровня, канала или режима низкой волатильности. Гипотеза простая: если рынок долго сжимался или удерживался внутри границ, выход за них может означать появление новой информации, дисбаланс заявок или начало движения.

Проблема в том, что пробой видят все. Уровни максимумов, минимумов и круглых чисел часто становятся зонами повышенного шума: там срабатывают stop orders, появляются агрессивные заявки, маркетмейкеры перестраивают котировки, а краткосрочные участники пытаются поймать импульс. Поэтому ложный пробой — не исключение, а нормальная часть класса стратегий.

Для breakout-подходов особенно важна модель исполнения. На графике вход выглядит как чистое пересечение уровня. В реальности после пробоя расширяется spread, доступная ликвидность может исчезнуть, а market order получает худшую цену, чем предполагает бэктест. Биржевая документация по market data и order book показывает, что рынок существует как поток заявок, сделок и обновлений глубины, а не как аккуратная линия цены. 3

Поэтому в тесте важен не только сам факт пробоя. Нужно понимать, что произошло внутри бара, с какой задержкой появился сигнал, по какой цене реально могла исполниться заявка и как стратегия переживает серию ложных входов.

Arbitrage

Arbitrage в строгом смысле — это попытка заработать на ценовом расхождении между связанными инструментами или площадками. Простейший пример — один и тот же актив стоит по-разному на двух биржах. Более сложные варианты включают cash-and-carry, funding arbitrage, треугольные цепочки, разницу между spot и derivatives, ETF и корзиной базовых активов.

На бумаге арбитраж выглядит почти безрисковым: купить дешевле, продать дороже. В торговой системе он быстро становится разговором про инфраструктуру. Нужно одновременно видеть цены, учитывать комиссии, funding, ограничения вывода, риск блокировки средств, latency, частичное исполнение, лимиты API и возможность того, что одна нога сделки исполнится, а другая нет.

В крипторынке к этому добавляется фрагментация venues. Один и тот же символ может иметь разную глубину, разные комиссии, разные правила маржи и разные задержки обновления данных. Расхождение в котировках не всегда является возможностью; иногда это просто компенсация за риск перевода, низкую ликвидность или ограничение доступа.

Поэтому арбитражные стратегии оценивают не по красивой разнице цен на скриншоте, а по реализуемости полного цикла: данные, исполнение, расчёт всех издержек, контроль остатков, обработка отказов и аварийный сценарий при разъезде позиций.

Market making

Market making — это предоставление ликвидности через одновременное размещение bid и ask. Идея не в прогнозе направления, а в том, чтобы системно котировать рынок и получать компенсацию за spread, принимая на себя риск inventory и adverse selection.

Inventory risk возникает, когда стратегия набирает слишком большую позицию в одну сторону. Если рынок продолжает идти против неё, накопленная позиция превращает "заработок на спреде" в направленную ставку. Adverse selection означает, что маркетмейкер часто исполняется именно тогда, когда у другой стороны больше информации: его bid забирают перед падением, ask — перед ростом.

Avellaneda и Stoikov формализовали market making как задачу котирования в limit order book с учётом inventory и интенсивности приходящих заявок. 4 Практический вывод из таких моделей не в том, что существует универсальная формула котировки, а в том, что market making — это прежде всего управление риском позиции, очередью и вероятностью исполнения.

Этот тип стратегии особенно требователен к инфраструктуре. Нужны быстрые данные стакана, устойчивое соединение с биржей, контроль лимитов, логика отмены и перестановки заявок, защита от stale quotes и мониторинг отклонений. Без этого стратегия может выглядеть стабильной в симуляции и быть убыточной в live-исполнении.

Pairs trading

Pairs trading — частный случай относительной торговли. Стратегия выбирает два связанных инструмента, наблюдает за их спредом и предполагает, что временное расхождение может закрыться. Классический пример — две акции из одной отрасли, два ETF с похожей экспозицией или spot и derivative на один базовый актив.

Важное слово здесь — "связанных". Простая корреляция доходностей не гарантирует, что цены будут возвращаться к устойчивому соотношению. Для pairs trading часто смотрят cointegration, стабильность spread, общие факторы, ликвидность обеих ног и историю распада связи. Gatev, Goetzmann и Rouwenhorst исследовали pairs trading как relative-value правило на длинной истории американских акций, но даже такая постановка не отменяет необходимости учитывать издержки и изменчивость эффекта. 5

Главный риск pairs trading — spread не обязан сходиться. Компании могут разойтись фундаментально, один актив может потерять ликвидность, регуляторное событие может изменить связь, а в кризис корреляции часто ведут себя иначе, чем в спокойной выборке.

Поэтому pairs trading — это не "одна позиция компенсирует другую", а двойная задача: проверить устойчивость отношения и заранее ограничить ущерб, если связь перестала существовать.

Statistical arbitrage

Statistical arbitrage шире, чем pairs trading. Это семейство стратегий, где edge собирается из множества слабых статистических отклонений: факторных остатков, cross-sectional рангов, PCA-компонент, sector-neutral портфелей, краткосрочных reversal-сигналов, imbalance-признаков и других моделей.

Название может звучать слишком уверенно. "Arbitrage" здесь обычно не означает безрисковую сделку. Чаще это ставка на то, что большое число малых закономерностей, диверсифицированных по инструментам и времени, даст устойчивое распределение результатов. Avellaneda и Lee исследовали статистический арбитраж в американских акциях через PCA и ETF-факторные модели, показывая не только методологию, но и деградацию результатов в отдельных периодах. 6

Самый большой риск statistical arbitrage — переобучение. Чем больше признаков, инструментов, фильтров и параметров перебирает исследователь, тем выше шанс найти красивую историческую иллюзию. В бэктесте она будет выглядеть как аккуратный edge, а в live-режиме исчезнет после комиссий, slippage и смены режима.

Здесь особенно важны out-of-sample, walk-forward, контроль data snooping, честный учёт transaction costs и анализ того, сохраняется ли сигнал в соседних параметрах. Если стратегия работает только в одной узкой конфигурации, это обычно признак хрупкости, а не точности.

Portfolio strategies

Portfolio strategies — это не один сигнал, а слой распределения капитала между активами, факторами и самими стратегиями. Иногда именно портфельный слой определяет итоговое поведение системы сильнее, чем отдельные входы и выходы.

Классическая рамка начинается с Modern Portfolio Theory: риск портфеля зависит не только от риска отдельных активов, но и от их ковариации. 7 В алгоритмической торговле эта идея расширяется: можно диверсифицировать не только активы, но и горизонты, источники alpha, режимы рынка, типы исполнения и бюджеты риска.

Практические портфельные стратегии включают risk parity, volatility targeting, factor allocation, periodic rebalance, ограничение концентрации, drawdown-based de-risking и распределение капитала между несколькими независимыми системами. Их цель не в том, чтобы угадать следующий тик, а в том, чтобы один источник риска не определял судьбу всего капитала.

Но диверсификация часто переоценивается. Десять стратегий на одном рынке могут оказаться одной ставкой на ликвидность или один режим волатильности. В спокойной истории корреляции выглядят низкими, а в стрессовый период сходятся. Поэтому портфельный подход требует стресс-тестов, сценариев и честного вопроса: сколько действительно независимых источников риска есть в системе.

В инструментах вроде ai-trader такой слой полезен не как витрина "много стратегий", а как дисциплина: лимиты на экспозицию, контроль корреляций, журнал ребалансировок, мониторинг просадки и воспроизводимое сравнение стратегий по risk-adjusted метрикам.

Как сравнивать типы стратегий

Стратегии нельзя честно сравнивать только по исторической доходности. Разные классы зарабатывают в разных условиях и ломаются по-разному.

Для первичной оценки полезнее задавать инженерные вопросы:

• какие данные нужны стратегии: OHLCV, tick data, стакан, funding, corporate actions, on-chain-метрики или новости;
• какой горизонт решения: секунды, минуты, дни, недели или месяцы;
• насколько результат зависит от комиссий, spread, slippage, funding и borrow costs;
• можно ли исполнить сигнал реальным размером без заметного market impact;
• как стратегия ведёт себя в тренде, боковике, кризисе ликвидности и резком росте волатильности;
• есть ли capacity: сколько капитала можно разместить, прежде чем edge исчезнет;
• как выглядит tail risk: редкие убытки, gap risk, liquidation risk, зависание одной ноги сделки;
• насколько стратегия устойчива к соседним параметрам и другим выборкам данных;
• какие pre-trade и post-trade controls нужны перед live-запуском.

Последний пункт часто недооценивают. Регуляторы рассматривают automated trading не как "сигнал плюс API", а как систему с тестированием, лимитами, мониторингом, контролем доступа, устойчивостью и процедурами при сбоях. ESMA в guidelines по automated trading отдельно описывает требования к системам и контролям для торговых платформ и инвестиционных фирм. 8

Отсюда практический вывод: тип стратегии задаёт не только идею входа, но и весь контур проверки. Trend following можно тестировать на более грубых данных, но он требует терпимости к длинным периодам пилы. Market making нуждается в стакане и инфраструктуре. Statistical arbitrage требует строгой защиты от переобучения. Portfolio strategies требуют учёта корреляций и стрессовых режимов.

Итог

В алгоритмической торговле нет лучшего типа стратегии вне контекста. Trend following и momentum живут на продолжении движения. Mean reversion и pairs trading ищут возврат отклонений. Breakout strategies пытаются поймать переход из сжатия в движение. Arbitrage и market making зависят от микроструктуры, скорости и исполнения. Statistical arbitrage собирает слабые закономерности в портфель. Portfolio strategies управляют тем, как капитал распределён между всеми этими источниками риска.

Общий знаменатель один: стратегия должна быть проверяемой гипотезой, а не красивым описанием графика. Для неё нужны подходящие данные, честный backtest, модель издержек, контроль исполнения, лимиты риска и понимание того, в каком рыночном режиме она перестаёт работать.

Именно это отличает алгоритмическую торговлю как инженерную практику от попытки угадать следующий ход рынка.