金融工学ソリューション

ロボトレーダー開発

人間の感情を排除した資産取引を行うロボトレーダー

1990年代のコンピュータ技術の発展により、資産運用の世界でのコンピュータの活用が進展しました。

その結果、金融商品の取引自体をアルゴリズム(ロボ)の計算結果により行う手法が普及しました。 
そして2010年代に入るとマーケットの取引高の70%以上がロボによる取引となっています。
この方向性が行き着くところはアルゴリズムによる取引高のシェアが90%以上となると予想します。
当社は資産運用の未来はアルゴリズムトレーディングにあると確信し、開発と運用を今日まで進めてまいりました。
アルゴリズムの開発と運用には、複数の専門分野にまたがった知識と経験が必要です。
当社のメンバーは数学、確率論、統計学、ビッグデータ分析、金融市場における経験、トレーディング、コンピュータサイエンス、プログラミング技術、ファンド運用等の専門分野に精通しています。 
そのノウハウを自己運用(プロプライエタリ・トレード、略して『プロップ』、『プロップトレード』)に応用しています。
またアルゴリズムトレーディングのノウハウ・技術を投資助言としてサービス提供しています。

ロボトレーダーとは?

人間の感情、恣意を排除し、一定のルールに基いて金融商品の取引を行う仕組みです。
なぜこれまで人間が行っていた資産運用にロボトレーダーが必要なのでしょうか?
金融商品取引市場で人間の感情の赴くままの取引を行うと、運に恵まれたごく一部の例外を除き、運用資産を減少させるという統計結果があります。
金融市場での取引は、基本的に人間の感情と反する行動を取ることが求められることは、これまで行動経済学の分野で様々な方法で証明事例が積み重ねられてきており自明です。
一方、資産運用にロボトレーダーを使用することで、運用に再現性を持たせることができます。
すなわち、運任せ、感情任せの運用からルールベースでの運用へ移行することができます。
人間の意思決定はそのプロセスが不明なブラックボックスことが多く、投資家への説明責任が果たせません。
運用に再現性を持たせることで、上場企業や年金基金、投資信託など株主や投資家への説明責任が果たせるようになります。

資産運用手法の未来像

資産運用に再現性を持たせることで、より大きい余剰資産の安定運用を達成できます。
再現性の無い恣意的な人間による裁量的運用の余地は今後減少していくでしょう。

ロボトレーダーのメリット

感情に逆らえない人間の意思決定よりベターであることは証明されています。
24時間365日、ミリセカンド単位で取引を間違いなく、誤差なく執行することができます。
現在のマーケットにおいて、ロボによる取引量は70%超となっています。
今後更にこの割合は増加することは既定路線です。
自己資金の運用についてもロボのパワーを取り入れることが必要ではないでしょうか。
企業の余資運用としては、計算式を根拠として金融商品の売買を行うため、人間のトレーダーよりも予測可能性や再現性があり、予算計画に載せやすいというメリットもあります。
人間のように休暇、残業代を支払う必要は無く、退職リスクもありません。

取引タイプ

様々な取引タイプのロボトレーダーを開発・運用

取引タイプの事例

  • アノマリー
  • ロング・ショート
  • ボラティリティ
  • 相関性
  • ハイフリークエンシー
  • アービトラージ

取引アセットの事例

  • 現物株式
  • 日経225先物
  • 米国インデックス先物
  • ハンセン指数等東アジア指数先物
  • 外国為替証拠金取引
  • ETF

機械学習テストによる性能評価

数理計画法に基づいて計量的にリスクを評価し、統計的機械学習の手法を含む確率統計的アプローチに基づきロボトレーダーの性能評価を行います。

プロップトレーディング

実際のマーケットにおいてワークするかをプロップトレーディングにより数ヶ月検証→実運用
上記のプロセスを組織的に運用

ロボトレーダー開発の一例

  • 金融データの取得、管理システムの開発、運用
  • 金融データの確率統計的解析のためのアルゴリズム開発
  • API経由で金融データを取得し、データベースに格納管理を行うシステムを開発、運用
  • 得られた膨大な金融データを確率統計的に解析
  • 機械学習等の手法を使用して、膨大な金融データから知見を得、ロボトレーダー開発に活用

リアルタイム資産運用アドバイス

 複数のロボトレーダーが発するシグナルをリアルタイムで配信
ロボによる投資アドバイスを提供

アドバイスの形態

クライアントはロボトレーダーが設定可能な金融商品取引ソフトウェアを自己のPCやサーバーに設定
設定されたソフトウェアに当社開発のロボトレーダーのアルゴリズムを設定
ソフトウェアを稼働させることでアドバイスがリアルタイムで自動生成
自動執行の有無はクライアント側で決定

利用可能なソフトウェア(2016年現在)

  • ミラートレーダー
  • トレードステーション
  • メタトレーダー4
  • メタトレーダー5
  • マルチチャート
  • ニンジャトレーダー 

ポートフォリオモデル開発

 

確率モデルに基づくリスク管理と資金管理

資産運用においては、資産の増減に与えるインパクトは、リスク管理が90%と大きく、個々の取引が10%程度と小さい
実務上も金融商品の取引を行う際にポジションの数量を決める基準が無いと、リスクを取りすぎて1度の取引で大きく資産を減少させたり、逆に取らなすぎて収益機会を逃す
この事態を回避し予測可能なリスク内での資産運用を行うためには、リスク管理を定量化・アルゴリズム化し、ロボマネージャーによる自動運用が資産運用に対する予測可能性を生む
リスクを可視化することが法人や個人の余資運用の積極化のトリガーとなる
適切にリスク管理を行うことで、理論的には線形的な資産増加から指数関数的(幾何級数的、2次関数的)な資産増加のチャンスが存在
ロボマネージャーによるリスク管理プロセス

投資対象候補アセットの列挙

  1. 投資対象候補アセットを列挙
  2. アセットは、株式、通貨、現物資産、先物等
  3. 投資対象候補アセットのグループ化と投資対象アセットの選抜
  4. 候補アセットの日次対数収益時系列から、すべてのアセットペア間のウルトラ距離を計算
  5. ウルトラ距離により個々のアセットをグループ化
  6. 選抜されたアセットの確率モデル構築
  7. 各グループからアセットを選抜
  8. 構築された確率モデルをもとに対数最適ポートフォリオを構築
  9. 選抜されたアセットの日次相対価格時系列から確率モデルを構築
  10. 対数最適ポートフォリオから実際に運用するポートフォリオを構築
  11. 構築した確率モデルをベースに数理計画問題を解き対数最適ポートフォリオを決定
  12. 対数最適ポートフォリオをベースに最大比率に制約を付し、リスクを適切に抑えたポートフォリオを構築

構築されたポートフォリオに合わせた定期的なリバランス

原則1日1回ポートフォリオの見直し及びリバランスを実行
その際、ポートフォリオアルゴリズムにより定められた固定比率を超えないようにリスクを抑えた計算を行う
現実のデータに照らし合わせ確率モデルの適切性を常に判断
統計的検定により適切性を判断
適切性に疑問が生じた時点で確率モデルの構築をリトライ
同時にリスクを減少させる方向にポートフォリオを変更し現金運用へのインパクトを減少させる
投資対象アセットの見直し
定期的に投資対象アセットを見直すプロセスを組み込む
上記のステップをロボマネージャーが反復

確率モデルに基づくリスク管理と資金管理

資産運用におけるロボマネージャーによるリスク管理のメリット

資産運用においては、資産の増減に与えるインパクトは、リスク管理が90%と大きく、個々の取引が10%程度と小さい
実務上も金融商品の取引を行う際にポジションの数量を決める基準が無いと、リスクを取りすぎて1度の取引で大きく資産を減少させたり、逆に取らなすぎて収益機会を逃す
この事態を回避し予測可能なリスク内での資産運用を行うためには、リスク管理を定量化・アルゴリズム化し、ロボマネージャーによる自動運用が資産運用に対する予測可能性を生む
リスクを可視化することが法人や個人の余資運用の積極化のトリガーとなる
適切にリスク管理を行うことで、理論的には線形的な資産増加から指数関数的(幾何級数的、2次関数的)な資産増加のチャンスが存在
ロボマネージャーによるリスク管理プロセス

投資対象候補アセットの列挙

  1. 投資対象候補アセットを列挙
  2. アセットは、株式、通貨、現物資産、先物等
  3. 投資対象候補アセットのグループ化と投資対象アセットの選抜
  4. 候補アセットの日次対数収益時系列から、すべてのアセットペア間のウルトラ距離を計算
  5. ウルトラ距離により個々のアセットをグループ化
  6. 選抜されたアセットの確率モデル構築
  7. 各グループからアセットを選抜
  8. 構築された確率モデルをもとに対数最適ポートフォリオを構築
  9. 選抜されたアセットの日次相対価格時系列から確率モデルを構築
  10. 対数最適ポートフォリオから実際に運用するポートフォリオを構築
  11. 構築した確率モデルをベースに数理計画問題を解き対数最適ポートフォリオを決定
  12. 対数最適ポートフォリオをベースに最大比率に制約を付し、リスクを適切に抑えたポートフォリオを構築

構築されたポートフォリオに合わせた定期的なリバランス

原則1日1回ポートフォリオの見直し及びリバランスを実行
その際、ポートフォリオアルゴリズムにより定められた固定比率を超えないようにリスクを抑えた計算を行う
現実のデータに照らし合わせ確率モデルの適切性を常に判断
統計的検定により適切性を判断
適切性に疑問が生じた時点で確率モデルの構築をリトライ
同時にリスクを減少させる方向にポートフォリオを変更し現金運用へのインパクトを減少させる
投資対象アセットの見直し
定期的に投資対象アセットを見直すプロセスを組み込む
上記のステップをロボマネージャーが反復

ロボリスク管理

クライアントより運用資産の規模、用途、アセットの選好、リスク許容度等をヒアリング
ニーズに応じたリスク管理ロボを調整もしくは設計
ロボリスク管理アルゴリズムのシミュレーション、バックテスト、フォワードテスト
クライアントのサーバーへの実装
リスク管理アルゴリズムを用い少額資金で運用スタート
実運用の評価と改善点の洗い出し
好結果が出た場合は運用資金の増加
上記の繰り返しによるロボのブラッシュアップ

ロボリスク管理の効果

ポジションサイジング、ロット管理、マネーマネジメントをロボマネージャーに委任
多期間ポートフォリオ理論によるリスク管理をロボマネージャーが自動で行う
全体の資金に対して大きすぎるリスクを取ることが無くなる
資金管理責任者の管理責任が全うできる
リスクの管理によりリターンが増加、ボラティリティが減少