Вычислительные финансы

В начале 1950-х годов американский экономист Гарри Марковиц заложил основы вычислительных финансов, предложив подходить к формированию инвестиционного портфеля как к задаче оптимизации среднего значения и дисперсии (англ. mean-variance optimization). В то время доступные вычислительные мощности оказались недостаточными для точного решения поставленной задачи, поэтому Марковиц сконцентрировал усилия на создании полезных алгоритмов для её приближённого разрешения^[8].

Развитие финансовой математики началось с аналогичных представлений о риск-ориентированном поведении инвесторов и измерении риска через волатильность (идея, впервые высказанная Гарри Марковицем), однако впоследствии это направление приобрело принципиально иной вектор эволюции. Приняв ряд упрощающих предположений, финансовая математика научилась получать аналитические формулы, не требующие значительных вычислительных мощностей^[9].

В 1960-х годах управляющие хедж-фондами, такие как Эд Торп (англ. Edward O. Thorp), признанный пионер математического подхода к торговле^[10], и Майкл Гудкин (англ. Michael Goodkin), сотрудничавший с такими известными экономистами, как Гарри Марковиц, Пол Самуэльсон и Роберт К. Мертон^[11], одними из первых применили компьютеры для реализации арбитражных стратегий на финансовых рынках. Параллельно в академической среде возникла острая потребность в мощной обработке данных. Исследователи, такие как ведущий эксперт в области финансов Юджин Фама, прибегли к помощи компьютеров для анализа огромного массива финансовой информации, необходимой для проверки гипотезы эффективного рынка^[9].

В 1970-е годы основным направлением развития вычислительных финансов стало ценообразование опционов и анализ ипотечных ценных бумаг^[12]. В конце 1970-х и в начале 1980-х годов на американском финансовом рынке появились молодые специалисты по квантовому анализу, известные как «ракетчики», которые принесли с собой персональные компьютеры. Это вызвало взрывной рост как количества, так и разнообразия приложений вычислительных финансов^[13]. Новые методы часто брали начало не из традиционных областей вычислительной экономики, таких как оптимизация и анализ временных рядов^[13], а из сферы обработки сигналов и распознавания речи.

Завершение холодной войны в конце 1980-х годов вызвало приток в финансовую индустрию большого числа физиков и прикладных математиков, значительная часть которых переехала в западные финансовые центры, такие как Лондон и Нью-Йорк, из государств бывшего социалистического лагеря. Эти специалисты, известные как «финансовые инженеры», наряду с руководителями количественных портфелей (специалистами, разрабатывающими и контролирующими алгоритмические инвестиционные стратегии), составили группу, ныне известную как «кванты»^[14]. Они сыграли важную роль в развитии современных вычислительных финансов.

Их приход привёл к новому этапу развития методов вычислительных финансов, включая переход от персональных компьютеров к мощным мейнфреймам и суперкомпьютерам^[12]. Примерно в это время вычислительные финансы стали восприниматься как самостоятельная академическая дисциплина, а в 1994 году Университет Карнеги-Меллон запустил первую специализированную образовательную программу по этому направлению^[15].

Начиная с конца XX века вычислительные финансы прочно вошли практически во все сегменты финансовой отрасли, а спрос на квалифицированных специалистов значительно увеличился^[2]. Параллельно развился целый сектор специализированных компаний, предлагающих высокотехнологичные программы и услуги в области вычислительных финансов^[11].

• страхование: разработка моделей оценки рисков, расчёт резервов и премий, оптимизация страхового портфеля;
• количественное инвестирование: cоздание автоматизированных торговых стратегий, оптимизация портфелей, тестирование гипотез и управление рисками;
• банковский сектор: кредитный скоринг, управление активами и пассивами, анализ рисков и регулятивный комплаенс;
• фондовый рынок: алгоритмическая торговля^[16], высокочастотные стратегии, технический анализ и моделирование поведения рынка;
• инвестиции и управление активами^[17]: портфельная оптимизация, оценка стоимости активов, стресс-тестирование и мониторинг рисков;
• регуляторные требования: анализ и соблюдение нормативных требований, стресс-тестирование, отчётность и оценка воздействия на капитал;
• кредитные и рейтинговые агентства: оценка кредитного качества, моделирование дефолтов, управление рисками заёмщиков.