How HRT Thinks About Data

Hudson River Trading · 2022 · 2. Tăng trưởng · Độ khó: Trung bình — bài gốc

Bài quan điểm của một researcher, không kể hệ thống. Wiki giữ vì đây là một trong số ít bài của một quỹ định lượng nói thẳng về cách họ chọn dữ liệu cho chiến lược; mọi nhận định ghi "theo HRT".

Bối cảnh

• Mô hình đơn giản nhất của một thuật toán giao dịch: hộp đen nhận dữ liệu, trả quyết định giao dịch. Bên trong hộp mỗi chiến lược một khác, nhưng chung một điều: dữ liệu vào hỏng thì chiến lược hỏng.
• Thước đo khách quan của một dataset là chiến lược tối ưu tốt lên bao nhiêu khi được dùng nó. Nhưng xây chiến lược tốn công, nên trước đó HRT dùng heuristic để lọc.

Thay đổi chính

Các heuristic để đánh giá một dataset (theo HRT):

• Liên quan: có lý do để tin nó dự báo được giá không? Loại ngay những thứ như vết đen mặt trời để không lạc giữa tương quan giả. Ca khó (toàn bộ bài Reddit có liên quan tới cổ phiếu Mỹ không?) cần mô hình thế giới của researcher, liên tục được chỉnh lại.
• Độc nhất: dữ liệu ai cũng dùng (ví dụ P/E hiện ngay trên Google) đã "priced in", khó tạo lợi thế. Dataset hấp dẫn nhất là cái mới hoặc đủ phức tạp để rút ra điều đối thủ không rút được.
• Tránh lookahead: ví dụ một tờ báo bán "tin làm thị trường chuyển động" có gắn nhãn, kèm năm năm lịch sử; backtest đẹp. Nếu nhãn lịch sử do analyst gắn ngược sau này thì họ đã hưởng lợi từ việc biết trước, dữ liệu lịch sử coi như vô dụng. Phải biết nguồn gốc dữ liệu.
• Cỡ mẫu và nhiễu: ước lượng nhanh bằng thống kê trước khi mua. Ví dụ khảo sát 250 người để đoán tỉ lệ thất nghiệp: so sai số chuẩn của khảo sát với sai số của một model tự hồi quy đơn giản để biết dữ liệu cải thiện được bao nhiêu và có đáng tiền không.
• Nguồn dữ liệu: market data (lệnh và giao dịch trên sàn, chắc chắn liên quan và phức tạp; ví dụ dùng lợi suất AAPL để dự báo MSFT, "pairs trade"); alternative data (lượng người tới cửa hàng, luồng Twitter, gió theo vùng…); biến đổi dữ liệu: một phép biến đổi có thể tạo ra dataset mới. Ví dụ quy định SEC Rule 612 cấm niêm yết giá lẻ dưới một cent nhưng cho phép cải thiện giá dưới cent, điều đặc trưng của wholesaler phục vụ khách lẻ; tỉ lệ giao dịch có giá lẻ dưới cent thành proxy cho mức quan tâm của nhà đầu tư cá nhân.

Vì sao

• Thời gian xây chiến lược có hạn, nên lọc dataset rẻ trước rồi mới tốn công backtest những cái đáng.

Bài học cho SWE

• Với hệ dữ liệu cho nghiên cứu, provenance (dữ liệu được tạo lúc nào, bằng cách nào) quan trọng ngang chất lượng; lưu thời điểm dữ liệu thật sự có sẵn chứ không chỉ thời điểm sự kiện.
• Ước lượng giá trị của dữ liệu bằng phép tính nhanh trước khi xây pipeline.

Liên quan

• Hudson River Trading 2022 · Hudson River Trading 2023 · Two Sigma 2025
• Hạ tầng nghiên cứu định lượng (dữ liệu thị trường, feature, backtest)