что такое оверфиттинг на бирже
Рекомендательные системы: оверфиттинг и регуляризация
Постоянно падающая популярность предыдущих публикаций побуждает предпринимать поступки, помогающие популярность поддержать. Приметил – популярность первых публикаций порядочно превышает последующие; поэтому попробую перезагрузиться.
На протяжении предыдущих серий мы тщательно рассмотрели метод SVD и даже довели его до программного кода; начиная с этого текста, я буду рассматривать более общие вещи. Вещи эти, конечно, всегда будут тесно связаны с рекомендательными системами, и я буду рассказывать о том, как они в рекомендательных системах возникают, но постараюсь делать упор на более общих концепциях машинного обучения. Сегодня – об оверфиттинге и регуляризации. 
Начну с классического, но от этого не менее показательного примера. Давайте откроем R (если кто не знает, R – это один из лучших в мире инструментов для всевозможной статистики, машинного обучения и вообще обработки данных; очень рекомендую) и сгенерируем себе какой-нибудь маленький простенький датасет. Я возьму простой кубический многочлен и добавлю к его точкам нормально распределённый шум.
Эти точки теперь можно нарисовать вместе с идеальной кривой.
Получится как на рисунке:
А теперь давайте попробуем обучить многочлен по этим данным. Мы будем минимизировать сумму квадратов отклонений точек от многочлена (будем делать самую обычную классическую регрессию), то есть будем искать такой многочлен p(x), который минимизирует .
Разумеется, в R это делается одной командой. Сначала обучим и нарисуем линейный многочлен:
Потом многочлен второй степени:
Многочлен третьей степени, как и ожидалось, уже вполне себе похож:
Но что произойдёт, если увеличивать степень дальше? На практике ведь мы, скорее всего, не будем знать «истинной степени многочлена», т.е. истинной сложности модели. Может показаться, что мы будем, усложняя модель, всё лучше приближать имеющиеся точки, и результаты будут всё лучше и лучше, просто обучить модель будет всё сложнее и сложнее. Посмотрим, так ли это на самом деле.
Уже многочлен пятой степени выглядит весьма подозрительно – он, конечно, всё ещё хорошо себя ведёт между точками, но уже видно, что экстраполировать по этой модели будет нехорошо – слишком резко он начинает уходить на бесконечность, как только точки заканчиваются.
Начиная с шестой степени, мы видим уже несомненный epic fail нашего подхода. Ошибка, которую мы хотели минимизировать, теперь строго равна нулю – ведь через семь точек можно точно провести многочлен шестой степени! Но вот польза от получившейся модели тоже, пожалуй, строго равна нулю – многочлен теперь не только плохо экстраполирует за пределы имеющихся точек, но даже интерполирует между ними чрезвычайно странно, далеко убегая на локальные экстремумы там, где этого из точек трудно ожидать.
Что же произошло? Произошло то, что в машинном обучении называется словом оверфиттинг (overfitting): мы взяли модель, в которой было слишком много параметров, и модель слишком хорошо обучилась по данным, а главное – предсказательная сила – от этого, наоборот, пострадала.
Что же делать? Я в следующих сериях расскажу, как это может получиться более концептуально, а сейчас давайте просто примем на веру: оверфиттинг в данном случае проявляется в том, что в получающихся многочленах слишком большие коэффициенты. Например, вот многочлен третьей степени, который мы обучили: ,
а вот – почувствуйте разницу – шестой степени: .
Соответственно, и бороться с этим можно довольно естественным способом: нужно просто добавить в целевую функцию штраф, который бы наказывал модель за слишком большие коэффициенты: .
Именно такой оверфиттинг сплошь и рядом происходил бы в SVD, если бы мы позволили ему происходить. Действительно, мы вводим на каждого пользователя и каждый продукт число свободных параметров, равное числу факторов (т.е. минимум несколько, а может быть, и несколько десятков). Поэтому SVD без регуляризации совершенно неприменимо – обучится, конечно, хорошо, но для предсказаний, скорее всего, будет практически бесполезно.
Регуляризаторы в SVD работают точно так же, как в обычной регрессии – мы добавляем штраф, который тем больше, чем больше размеры коэффициентов; в одной из предыдущих серий я сразу с регуляризаторами и выписывал целевую функцию:
Формулы градиентного подъёма приведены там же – за регуляризацию в них отвечает коэффициент λ.
Однако пока это всё выглядит довольно загадочно – с какой стати вдруг большие коэффициенты хуже маленьких? В дальнейшем я буду рассказывать о том, как можно смотреть на этот вопрос с более концептуальной байесовской стороны.
Словарь трейдера для новичка: 40 главных понятий
Собрали несколько десятков базовых терминов инвесторов и трейдеров, в которых нужно разбираться, чтобы торговать на бирже акциями и криптовалютами.
Содержание
Базовые термины инвестора
Существуют товарные, валютные и криптовалютные, фьючерсные и фондовые биржи. На них продаются и покупаются, соответственно, биржевые товары (драгоценные металлы, энергетическое, промышленное сырье и др.), валюты и криптовалюты, фьючерсные контракты и ценные бумаги.
Рассчитывается индекс как среднее или средневзвешенное значение цен всех акций, входящих в него. Как правило, все индексы имеют начальную цифру 1000, которая изменяется в зависимости от роста или падения стоимости акций.
Словарь криптовалют
Токены можно купить и продать на криптовалютной бирже, обменять на другие криптовалюты, а также конвертировать в фиат, а специальный контракт compound позволяет брать и давать токены взаймы и зарабатывать на этом проценты.
Инструменты и стратегии трейдера
Для прогнозирования ценовых колебаний трейдеры используют два основных метода: технический и фундаментальный анализ.
Технический анализ чаще всего используется для краткосрочных инвестиций, а фундаментальный позволяет выявить недооцененные или переоцененные финансовые инструменты (например, акции) и выиграть на их покупке/продаже, когда рынок догонит фундаментальные показатели.
Чаще всего при хеджировании трейдер открывает противоположные позиции на экономически взаимосвязанных рынках, например, покупает акции, которые движутся в разных направлениях (авиа- и нефтедобывающей компании), или использует фьючерсы и деривативы. Обычно к хеджированию прибегают для получения дохода в краткосрочной перспективе.
Данная статья не является финансовой консультацией.
Галя, папира, байзедип и другие важные термины биржевого сленга
После этого текста ваши проблемы исчезнут: сможете «ворваться в комменты» где угодно — и в любой дискуссии сойдете за своего. Ловите трейдерско-русский словарь от «РБК Инвестиций».
Дисклеймер: мы не стремились собрать абсолютно все термины — например, отказались от жаргона профессиональных трейдеров, устаревшего сленга нулевых годов, а также широко известных понятий вроде «быков» и «медведей». Здесь — только самый ходовой современный новояз.
Байда — бумаги китайской компании Baidu, а вовсе не обозначение мусорных акций, как может показаться на первый взгляд.
Байзедип (англ. buy the dip — «выкупай провалы») — покупка акций на просадке (то есть когда они сильно подешевели). Может плохо кончиться (см. Падающий нож).
Бензопила (пила) — крайне сильные колебания цен внутри дня. При волатильности график акций может напоминать зубья пилы (если напрячь воображение) — оттуда и пошло.
Бетонная плита, или просто плита — очень большая заявка в биржевом стакане, способная повлиять на движение котировок.
Боковик (флэт) — движение котировок в узком диапазоне в течение определенного периода без существенного повышения или понижения цены.
Галя — ласковое название акций космической фирмы Virgin Galactic Ричарда Брэнсона. Одна из самых популярных бумаг США на российском рынке.
Дивы — дивиденды: выплаты, которые распределяются среди акционеров в соответствии с дивидендной политикой компании.
Дивгэп — резкое падение стоимости бумаг после закрытия реестра акционеров для выплаты дивидендов. Весьма неприятное событие для новичков.
Джоны (амеры) — американские трейдеры с Нью-Йоркской биржи, начинающие торговать в 16:30 мск (или в 17:30 мск при переходе на зимнее время). Не слишком любимы, потому что иногда обваливают акции, весьма перспективно выглядящие на торгах СПб биржи и премаркете.
Дядя Коля (Николай, Колян) — маржин-колл. Когда он «приходит» или «звонит», дело плохо — значит, у инвестора столь большой убыток, что брокер уведомляет его о необходимости пополнить счет для дальнейшего удержания позиции. Избежать встречи с Дядей Колей можно, если не открывать «шорты» и не торговать с плечом.
Забор — см. Сидеть на заборе
Зина — популярная фармацевтическая компания Zynerba. Пример крайне волатильной бумаги: в феврале 2021-го ее котировки выросли вдвое за несколько дней, а потом резко откатились вниз.
Зомби — предбанкротная компания. Ее акции, тем не менее, есть на бирже — и часто пользуются спросом ввиду дикой волатильности. Хрестоматийные примеры — Chesapeake Energy или Mallinckrodt.
Затариваться — агрессивно покупать активы в большом количестве в ожидании восходящего тренда.
Казино — обычно означает волатильную и малопредсказуемую бумагу второго-третьего эшелона. Такие акции еще называют «бешеными». Также в некоторых телеграм-каналах «казино» называют российский фондовый рынок в целом.
Котлета — все деньги на брокерском счете. Закупиться на всю котлету — вложиться во что-то одно на все деньги, игнорируя здравый смысл. Обычно не лучшая идея.
Кукловод (кукл) — маркетмейкер, профессиональный участник рынка, который формирует его и поддерживает его ликвидность. Нередко провозглашается главным злом, не дающим расти той или иной акции.
Лесенка — стратегия покупки активов, при которой бумаги приобретаются в портфель понемногу, следуя за восходящим трендом.
Лонгуст — инвестор, покупающий акции в «лонг» — то есть на долгосрочную перспективу в расчете на рост котировок. Заклятый враг шортиста.
Лудоманить — покупать акции на удачу без какого-либо анализа. Типичный пример — покупка бумаг под отчет.
Лось — самое нелюбимое у инвесторов животное, которое однажды встречает каждый. Означает убыток по акции. Соответственно, резать лося = фиксировать убыток.
Мамба — Московская биржа. Произошло от ее предыдущего названия ММВБ. Последнее время употребляется все реже.
Мася — максимально любовное названий акций знаменитого американского ретейлера Macy’s.
Муму — акции китайского мессенджера для смартфонов Momo.
Наждак — биржа NASDAQ.
Отскок — падение после роста или рост после падения цен. Отдельно стоит выделить «отскок дохлого кота» — небольшой рост после мощного падения, после чего бумага снова дешевеет еще сильнее.
Падающий нож — обозначает быстрое падение стоимости ценной бумаги. Попытка его «поймать» (купить в расчете на то, что ниже цена уже не опустится) может привести к приличным убыткам.
Паникбай (от англ. Panic buy) — импульсивные покупки, обычно происходят во время резкого роста котировок.
Папира (англ. Paper) — то же самое, что и акция.
Пациент — «скучная» бумага, долгое время торгующаяся в боковике.
Пробой — движение цены выше определенного уровня.
Пролив — обвал котировок из-за массовой распродажи бумаг.
Ракета — резкий рост цены за короткий промежуток времени или просто акция, от которой ждут сильного роста. О том, сбывается ли такой прогноз, многие часто умалчивают. Вовремя сесть в ракету (купить акции перед взрывным ростом) — мечта каждого инвестора.
Свин (свинья, свинота) — акции американской нефтегазовой компании Southwestern Energy. Получили такое прозвище из-за фонетического сходства с ее тикером SWN.
Сидеть на заборе — ситуация, при которой трейдер закрыл все позиции, сидит в кеше и наблюдает за происходящим на рынке со стороны.
Сиплый — S&P 500, главный фондовый индекс США.
Скальпить — быстро покупать и продавать акции внутри дня, пытаясь заработать на небольших колебаниях цен. Скальперов также называют «зайцами».
Слив — избавление от активов. Обычно сливают акции, но самым талантливым удается слить депозит.
Тата — на русскоязычных ресурсах обычно означает акции «Татнефти». Но иногда — Tata Motors, что еще более логично.
Туземун (от англ. to the Moon — «на Луну») — подразумевает мощнейший рост какого-либо актива, «прямо до Луны». Не факт, правда, что потом с грохотом не спустится обратно на землю.
Усредниться — докупить в портфель упавшие в цене акции. Используется для снижения средней стоимости бумаги в портфеле.
Федя — американская транспортная компания FedEx. Никаких исторических связей — используется просто по созвучию.
Хай — максимум цены. Истхай — исторический максимум. Купить на хаях — приобрести бумаги на пике (и, скорее всего, словить из-за этого убытки).
Хомяк (лемминг) — новичок в инвестициях, бросающийся покупать акции по рекомендациям многочисленных «гуру», вслед за толпой, паникуя или просто на эмоциях. Часто вообще не понимает, что делает.
Шорт — короткая позиция. Тот, кто ее открыл, — шортист. Надеть шорты = открыть короткую позицию. Шортокрыл, или шорт-сквиз — ситуация, при которой резкий взлет акций заставляет шортселлеров закрывать короткие позиции и выкупать бумаги, чтобы вернуть их брокеру. Это провоцирует еще больший рост котировок. А порванные шорты — неудачная короткая позиция: вместо ожидаемого падения бумага выросла в цене и принесла незадачливому шортселлеру убытки.
Яша — так в трейдерском новоязе называют флагман русского IT «Яндекс».
Разберем на примерах. Допустим, вы решили поговорить с завсегдатаем «Пульса» о перспективах акций Virgin Galactic.
НЕПРАВИЛЬНО: «Полагаю, что Virgin Galactic — очень перспективная компания. Да, ее акции волатильны, однако я считаю, что в будущем они обязательно сильно вырастут».
ПРАВИЛЬНО: «Имхо, Галя — ракета. Папира казино, но скоро точно полетит туземун».
Или же зашли в трейдерский чат в телеграме, где хотите обратить внимание участников на сильный рост бумаг Southwestern Energy в отсутствие очевидного повода.
НЕПРАВИЛЬНО: «Забавно, спекулянты разгоняют котировки Southwestern Energy. Ведь эта компания в предбанкротном состоянии, а гонящиеся за сверхдоходностью новички понесут большие убытки.
ПРАВИЛЬНО: «Лол, Свина пампят! Это ж зомби-компания, лемминги замучаются потом лосей резать».
Используйте словарь с умом, тщательно подбирайте выражения и получайте удовольствие от горячих обсуждений фондового рынка с другими инвесторами где угодно.
Применить полученные знания вы можете в нашем канале в «Тинькофф Пульс», инстаграме или телеграм-канале «Сам ты инвестор» — у нас везде открыты комментарии. Enjoy!
Решил начать писать небольшие заметки по алгоритмической торговле и всему что с ней связано. Возможно, когда-нибудь расширю, склею и опубликую в виде книжки. Пока же это просто наброски заметок, сделанные на скорую руку.
Можно часто слышать от тех, кто торгует алгоритмически, да и просто систематически, такие понятия как «оверфиттинг», «курвафиттинг», «зафит» и прочие ругательства с корнем «фит». Что все это значит?
На самом деле, все эти слова, как правило, используются для описания одного и того же явления, являющегося врагом всех трейдеров, торгующих систематически и пытающихся оценить исторический перформанс своих торговых логик — а именно, что «живой» аут-оф-сампл перформанс на реальном счете, как правило, хуже ожиданий, полученных ими при проверке своих идей на истории. Например, при тестировании торговой логики на истории трейдер с помощью своей модели «зарабатывал» 30% годовых, а в реале может в среднем иметь 10% годовых. Разница 20% годовых — может объясняться именно оверфиттингом (если нет других факторов — например, некорректный учет комиссионных и проскальзываний, или ошибка в торговом коде; но прочие факторы легко устранить, в отличие от оверфиттинга). На картинке в начале статьи — пример перформанса некоторого фонда в бэктесте и в реальности, наглядно иллюстрирующий написанное выше.
Оверфиттинг является следствием комбинации одного или нескольких из следующих факторов, положительно влияющих на бэктест (результаты прогонки модели на истории), что и создает у трейдера завышенные ожидания от своей модели. В этой части мы рассмотрим основные источники оверфиттинга, в следующей — поговорим о способах избежания или минимизации оверфиттинга при историческом тестировании моделей.
Начнем с простых источников оверфиттинга, относительно легко устранимых или минимизируемых, если у вас есть некоторый опыт:
1. Forward-looking bias («ошибка заглядывания вперед») — в основном техническая проблема начинающих алготрейдеров, когда вы «подсматриваете» в бэктесте данные, которые недоступны вам в реальной торговле. Самый базовый вариант (который мне доводилось встречать в одном реальном бэктестере) — это когда предполагалось, что вы можете посмотреть на цену закрытия, просчитать по ней некоторый сигнал, и тут же по этой цене зайти. Несомненно, это «заглядывание» — потому что цена закрытия определяется одномоментно, и если вы ее увидели, то зайти по ней уже не сможете (да еще и предполагая, что перед этим вам еще нужно что-то посчитать, собрав цены закрытия по всем контрактам). Проблема относительно легко решается, если у вас есть некоторый опыт написания бэктестеров.
2. Curvefitting (a.k.a. курвафиттинг) — также простой и относительно легко минимизируемый для хорошего специалиста вид оверфиттинга, при котором из некоторого класса моделей выбирается такая модель (или параметры для нее), при которых модель отлично торговала на истории, вследствие чего equity curve модели имеет гладкий вид, близкий к прямой (или экспоненты, если бэктест рисуется с реинвестированием) — отсюда и название curvefitting — «вырисовывание линии эквити» с помощью параметров. Однако ничего общего с реальностью такой «закурвафиченный» бэктест не имеет — он отлично «торговал» на истории вследствие специфической комбинации выбранных параметров, отлично подходящих для существовавших тогда рыночных условий, однако в будущем таковые условия вряд ли повторятся, и результаты торговли будут хуже.
Если вы знаете английский — покурвафитить можно вот здесь: carma.newcastle.edu.au/backtest/. На графике слева «синеньким» будет рисоваться гипотетическая зафиченная всего 2-мя простыми параметрами (. период удержвания и стоп лосс) эквити (зелененьким — график торгуемого инструмента), на графике справа — аут-оф-сампл перформанс. Сайт отлично демонстрирует концепцию курвафиттинга и почему не надо торговать закурвафиченные стратегии в реале =)
3. Survivorship bias (или «ошибка выжившего») — тоже серьезная проблема. Если приводить пример из жизни — проще всего этот байес описывается фразой «Эх, если бы я в 90-е делал то же самое, что делал Абрамович, то я бы сейчас. », при этом на месте многоточия говорящему представляются виллы, яхты и рыбки. Когда на самом деле, объективно, если бы он делал то же, что Абрамович в 90-е — то с вероятностью 98% на месте многоточия должны быть кресты, надгробия и могилки, без яхт и рыбок. Соответственно, survivorship bias — это когда вы для бэктеста берете живых абрамовичей, но забываете взять тех, которые сейчас покоятся на кладбище — а в 90-е все они были живы, и было заранее неизвестно, кто из них доживет до 2017-го. В принципе, survivorship bias является разновидностью selection bias’а, но более хитрой, поэтому и выделяется отдельно. Основное его проявление — это когда при создании базы данных для исторического тестирования забывают включить в нее данные об акциях, которые уже по разным причинам не торгуются. А причины могут быть самые плохие — включая банкротство и падение цены на 90+% в течение одного дня. Пример для российского рынка — ЮКОС (тикер YUKO). В свое время (до ареста Ходора) это была одна из голубых фишек российского рынка акций, вы бы наверняка торговали ей в то время. Но после известных событий акция долго падала в цене, пока наконец не делистнулась. Если вы забыли включить ее в свою базу акций — это пример survivorship bias’а. Если подобные акции отсутствуют в бэктесте (но, несомненно, будут присутствовать в реальной торговле) — результаты такого бэктеста получатся завышенными.
Более тяжелые источники оверфиттинга:
4. Hindsight bias (которую я бы литературно перевел на русский как «ошибка ясновидения») — пожалуй, самая тяжело устранимая проблема всех бэктестов, и одна из самых хитрых и опасных своей незаметностью для трейдеров, инвесторов и алготрейдеров. Именно вследствие нее вам всегда кажется, что деньги на рынке зарабатываются легко и непринужденно (в этом помогает реклама, сама агрессивно использующая hindsight bias и его собрата selection bias). При взгляде на графики акций и индексов вам же очевидно, что в начале нулевых вы бы купили Сбербанк и Роснефть (жаль, торговать начали позднее), а в 2008-м вы бы обязательно пошортили RIZ, откупив с плечом в 2009-м? Ну так вот — вы пали жертвой hindsight bias’а. Кажется, что его легко избежать при алгоритмической торговле (ведь все же делается по правилам — какое тут ясновидение?), однако это не так. У алгоритмистов hindsight bias выражается в отборе тех моделей, которые приемлемо работали на всей истории и доработали до настоящего времени (отсюда и hindsight — вы сразу «подсмотрели», что модели работали на всей истории). Однако в будущем часть этих моделей перестанет (по разным причинам) давать удовлетворительные результаты, а часть моделей, которая по дороге «сломалась», но которые вы бы ранее торговали до того, как они «сломались» — вы вообще не включили в бэктест из-за «ясновидения» (этот эффект можно еще отнести и к selection bias’у, о котором далее).
5. Selection bias («ошибка выбора») — это когда некто (разработчик моделей, инвестор или рекламщик) выбирает стратегии или активы, которые нужным образом перформили на истории (росли, или на которых хорошо работал некий алгоритм), и утверждает, что в будущем можно достичь аналогичных результатов, работая с этими активами. Эту ошибку можно встретить практически в каждом 2-м посте на СЛ, посвященном алготрейдингу, и на *каждом* сайте любого брокера:
1) Когда вас призывают покупать криптовалюты только на основании того, что за последние несколько лет они выросли на порядки — это selection bias. Говорящие неявно подразумевают, что в будущем криптовалюты продолжат расти с той же скоростью — но это невозможно чисто физически.
2) Когда вам (на сайте любого брокера внизу странички) показывают только растущие графики и говорят, что вот «можно было заработать 100500%, купив вот эти акции» — это selection bias. Брокер выбрал из всех акций выросшие сильнее всех и пиарит это как ожидаемый доход. Но это не ожидаемый доход. Это акции, которые скорее всего вы бы не купили в начале периода, на котором считается доходность.
3) в конце мая 2015-го трэш-УК Сбербанка «Сбербанк ассет менеджмент» запустила фонд «Биотехнологии», в котором фактически перепродавала лохам своим любимым клиентам етф IBB с доп. комиссией 2% годовых. Реклама у фонда была что-то вроде «самый динамичный сектор, выросший на 250% за последние 5 лет» (так оно и было, если посмотреть на график IBB до лета 2015-го). Что происходило с фондом потом — можно посмотреть на сайте или на скрине ниже. Ребята (и их инвесторы) пали типичной жертвой selection bias’а — выбрали то, что сильнее всего росло на истории. По иронии судьбы анализировали перформанс за 5 лет — то есть играли *против* известного квантам value factor’а (то, что сильнее всего росло за последние 5 лет — андерперформит, и наоборот). Итог: S&P с тех пор прибавил 160%, IBB — упал на 13%. Не позавидуешь лохам инвесторам. 
4) регулярно нам рассказывают (например smart-lab.ru/blog/451309.php), как можно заработать на всяких сервисах автоследования, если выбрать вот эти 4 супер-стратегии, и собрать из них портфель. Когда слышите про «возьмите вот эти 3 акции», или «возьмите вот эти 4 супер-стратегии» на основании того, что они хорошо перформили какое-то последнее время, и составьте из них еще более суперский портфель — «в аут» (побуду немного Мовчаном). Это типичный hindsight bias, в жесткой форме, вам продают «Фонд биотехнологий» на том основании, что он хорошо вырос за последние 5 лет. Вы можете и сами в этом убедиться, открыв топ стратегий комона по годам (https://www.comon.ru/info/codex/?id=94).
Вот список топов 16-го года на срочном рынке: 
А вот список топов 17-го года: 
Нашли хоть одно пересечение? Вот именно. И за другие годы то же самое! А если вы откроете почти любую стратегию из списка ТОПов 2016-го года и посмотрите, как они перформили в 2017-м — получите почти сплошной сливандос. Я предлагал автору оптимальных портфелей из стратегий комон помочь сделать анализ правильно, без selection & hindsight bias’ов — но он не пожелал этим заняться. Видимо, сам он понимает исход этой затеи.
6. Изменение внешних параметров (правила работы биржи, макроэкономические и геополитические параметры) — пожалуй, наиболее сложная причина, практически вообще не поддающаяся минимизации overfitting risk’а. Проблема из названия, думаю, ясна — на рынках меняютя «правила игры», что приводит модели в неработоспособность. Примеры:
1) stock decimilization (это когда в начале нулевых стоки стали котироваться в центах, а не в долях), что убило не только большую часть маркет-мейкерского бизнеса (за счет существенного сокращения спрэдов), но и некоторые технические стратегии (еще в 90-е дневные тренды на СнП работали, в нулевые — уже нет).
2) Политика околонулевых процентных ставок. Она привела к «вымиранию» большинства стратегий типа «кэрри» в бондах и валютах (потому что это самое «кэрри» практически обнулилось, а соответствующие риски никуда не делись), а также ряда других.
3) Появление мощных алго-фондов, HFT-трейдинга — также привело к «изменению правил игры», любые неэффективности быстрее устраняются, многие «классические» стратегии стали работать хуже или вообще перестали работать.
Надеюсь, текст получился полезным, буду рад услышать комментарии / замечания / дополнения.