ข้ามไปที่เนื้อหาหลัก

Leda Braga #02 Data Science in Wall street

ตอนที่ 2 เกี่ยวกับคุณ Leda Braga ผู้บริหารของ Systematica Investments ผมนำโน๊ตย่อจากการได้ฟังเธอบรรยายเกี่ยวกับ Data Science ในงาน WiDS 2018 Conference ซึ่งจัดขึ้นที่ Stanford University จะบอกว่าเป็นการบรรยายายที่น่าสนใจ และมีประเด็นดีมากจากผู้ที่มีประสบการณ์ตรงด้าน systematic trading ในตลาดหลายสิบปี โดยสรุปใจความเป็นข้อๆได้ดังนี้ (บางเรื่องเป็นเชิงเทคนิคไม่ลงรายละเอียดนะครับ)

- ประเด็นหลัก เรื่องของ Systematic trading + Big Data + Execution algorithm + alternative data
- เธอเล่าเรื่องประวัติของเธอโดยย่อพื้นหลังด้านวิชาการ เธอจบ phd ด้าน engineer ประสบการณ์ทำงาน
- เธอเล่าถึงเรื่องธุรกิจ hedgefund ของ Systematica Investments ว่าเป็น Alternative asset manager บริหารเงิน 9 billion หลากหลายตลาด หลากหลายกลยุทธ์ ลูกค้าจากพอร์ตรายใหญ่ ซึ่งแต่ละลูกค้ามีเป้าหมาย return และระดับความเสี่ยงรวมถึง time horizontal แตกต่างกัน บริษัทสร้างกลยุทธ์พอร์ตโฟริโอที่เหมาะสมกับลูกค้า
-บริษัท Systematica มีพนักงาน 108 people เน้นด้าน Phd และนักวิทยาศาสตร์ บริษัทใช้ Data science technology การสร้างกลยุทธ์เพื่อการลงทุน
- โดยLeda Braga อธิบายถึง 2 ส่วนงานหลักคือเรื่อง signal gerator (การเลือกสินค้าเทรด จังหวะการซื้อขาย )และportfolio construction (ขนาดของความเสี่ยง ,จำนวนเงินใช้เทรดสินค้าต่างๆ การใช้ leverage , แผนรอง
รับ time horizontal)
- Data science สนับสนุนการตัดสินใจ ใช้การวิเคราะห์ข้อมูลรวมกับ computer algorithm อย่างเป็นระบบในการตัดสินใจเทรด แทนการใช้อารมณ์ มุมมองส่วนบุคคล
- งานวิจัยจาก HFR ข้อมูลจาก 9000 กองทุน เธอกล่าวว่า systematic macro , systematic equity มี
ผลงาน 1996-2014 ระยะยาวที่ดี มี alpha ที่สูงกว่า discretionary ซึ่งสะท้อนศักยภาพและแนว
ทางการพัฒนาในอนาคตสำหรับ systematic approch
- Systematic เน้นการเทรดไม่มี bias ใช้การกระจายการเทรด กระจายเงินไปในจำนวนการเทรดที่มาก หลายกลยุทธ์หลายตลาด ไม่ได้เน้นการเทรดที่ต้องถูกทุกครั้งเดิมพันเงินขนาดใหญ่ หรือเอาชนะระยะสั้นในการเทรด ใช้การเทรดที่มากและกระจาย เน้นผลรวมสุดท้ายในชนะ ไปถึงเป้าหมายผลตอบแทนในเกมส์ระยะยาวตามกรอบเวลาที่วางไว้
- Data เน้นไปที่ Price และ Volume ใช้เทคนิค regressions รวมถึงการใช้ NLP การวิเคราะห์ alternative
data กลุ่มข้อมูลไม่มีรูปแบบจากแหล่งต่างๆ, ใช้ volatility estimation และ matrix manipulation เพื่อทำ portfolio optimization
- สาธิตตัวอย่างการเทรด position ขนาดใหญ่แทนใช้ราคาจาก VWAP ทั่วไป แต่ที่ Systematica ประยุกต์
ใช้ Neural network วิเคราะห์ intra day volume และการดู
seasonality ร่วม กับการวิเคราะห์ Order book เพื่อวิเคราะห์ market dynamic ที่เกิด เพื่อสร้าง short term signal สำหรับ execution บนราคาที่เกิดความได้เปรียบสูงสุด
- ใช้ Big Data ในการลงทุน บริษัททำการซื้อ alternative data จากบริษัท Data Provider การวิเคราะห์ sentiment data จากข้อมูลจำนวนมากบนอินเตอร์เน็ตที่เกี่ยวกับ หุ้น หรือสินค้า บริษัทนำมาทำ Processing เพื่อสนับสนุนการตัดสินใจ
-เธอยกตัวอย่าง sector classification ใช้ NLP การรวบรวมข้อมูลจากอินเตอร์เน็ตและสื่อต่างๆเพื่อมองหาปัจจัยทีผลกระทบต่อราคา ร่วมกับการวิเคราะห์การเคลื่อนไหวของ ราคาหุ้น เพื่อจำแนกกลุ่ม แทนการจัดการตามแบบอุตสาหกรรมเดิม



- Over fitting ใน learning algorithm สิ่งต้องระวัง เป็นความเสี่ยงของระบบ ปัญหาของการพัฒนาระบบเทรด เธอกล่าวว่าการโยนข้อมูล ใส่ในระบบแล้วให้ระบบสร้าง learning algorithm เพื่อทำนายราคา หรือบริหารเงินด้วย algorithm อย่างเดียว เป็นเรื่องยาก เธอแนะนำว่ามีการสร้าง investment thesis วางแนวทางใน asset ต่างๆ บน economic และพื้นฐานสินค้ามาประกอบ จากนั้นพัฒนา algorithm ของระบบในการเทรดที่สอดคล้องกับข้อมูล
- ESG investing สร้างพอร์ตลงทุนแบบเฉพาะ เลือกหุ้นสะอาด ธรรมาภิบาล เช่นลูกค้าไม่ต้อง
การหุ้นเกี่ยวกับการทุจริต ,หุ้นเกี่ยวกับธุรกิจการพนัน, หุ้นยาสูบ เป็นต้น ESG สร้างคะแนน เงื่อนไขลงทุนที่จูงใจผู้บริหารบริษัทในตลาดหุ้น เป็นโปรเจคทีเธอพยายามสร้างและผลักดันให้เกิดในวงการ
- ผู้หญิงก็มีความสามารถไม่แพ้เพศชาย



เข้าฟังฉบับเต็มได้ที่
https://www.youtube.com/watch?v=TvZG9iQ2e5Q