Большинство людей представляет трейдинг как ручную работу: человек сидит перед терминалом, анализирует графики и в нужный момент нажимает кнопку. Это действительно так для обычных инвесторов: они выставляют ордера через интерфейс биржи, следят за их исполнением, выставляют стоп-лоссы.

Алгоритмический трейдинг переносит все эти действия в код. Автоматизируется аналитика, выставление ордеров, мониторинг позиций и состояния рынка. Человек определяет логику, алгоритм исполняет быстрее и без участия человека.

На ранних биржах для размещения ордера нужно было физически позвонить на биржу. Примерно так, как показано в фильме «Волк с Уолл-стрит» – голос, бумажные записи, задержки на уровне человеческой реакции.

Следующим этапом стал FIX Protocol – жесткий структурированный протокол, который управляет всем жизненным циклом ордера: размещение, частичное исполнение, отмена. На него переложили значительную часть бизнес-логики, и именно поэтому он до сих пор считается медленным. Даже после многочисленных оптимизаций FIX уступает чистому TCP и тем более UDP. Но он стал стандартом взаимодействия между биржами и участниками торгов.

Дальше появились электронные биржи, в 2000-х случилась HFT-революция, а последние десять лет добавили криптобиржи, децентрализованные биржи и рынки предсказаний.

Главное изменение – человек перестал быть узким местом. Алгоритм не пропускает сигналы, не устает и реагирует на изменения рынка за микросекунды. Вопрос в том, на каких рынках он работает и за счет чего приносит прибыль.

Современный алгоритмический трейдинг работает на четырех типах площадок. Они сильно отличаются по инфраструктуре, регулированию и тому, как на них извлекается прибыль.

NYSE, NASDAQ, чикагская CME и другие традиционные площадки. Здесь торгуются акции публичных компаний, фьючерсы на нефть и золото, казначейские облигации. Американские биржи жестко регулируются SEC – Комиссией по ценным бумагам. Многие стратегии, которые технически возможны, после предания огласке признаются незаконными.

В одной из первых HFT-систем трейдеры изменяли стек протоколов: отправляли сначала байт заголовка, потом досылали тело пакета. Биржа не могла это контролировать – и это давало техническое преимущество. Сегодня такая кастомизация на NASDAQ или CME считается незаконным преимуществом и поводом для расследования SEC.

Для трейдера классические биржи интересны прежде всего физическим colocation – возможностью разместить свой сервер в стойке биржи. По данным на момент лекции: один юнит на NASDAQ – около $500 000 в месяц. Это дает latency в сотни микросекунд и возможность извлекать техническую альфу.

Binance, OKX, Bybit и другие централизованные криптобиржи. Ключевое отличие от классических площадок: вся инфраструктура размещена в облаке. Серверы Binance стоят в Токио на AWS. Никакого физического colocation биржа не предлагает – можно лишь разместиться поближе, замерив latency до нужного дата-центра.

Это «облачный colocation», и он дает совсем другую картину по задержкам. Если в HPC-инфраструктуре классической биржи latency может составлять сотни микросекунд, то в AWS – от 5 до 15 миллисекунд в лучшем случае. При этом доступ есть только до внешнего контура биржи, не внутрь.

Uniswap, SushiSwap и аналоги работают на блокчейне через смарт-контракты с механизмами автоматического маркетмейкинга. Ключевой параметр – время майнинга блока. На Ethereum это 12 секунд. Для сравнения: тиковые данные на Binance по тому же эфиру приходят каждые 10 миллисекунд. Из этой разницы рождаются арбитражные возможности. Чистый CEX/DEX-арбитраж за последние годы во многом исчерпан, и теперь нужно искать более сложные стратегии.

Polymarket и аналогичные платформы – отдельный и относительно молодой класс рынков. К бинарным опционам (исход либо “да”, либо “нет”) применима упрощенная версия классической опционной математики. Здесь можно строить стратегии с хеджированием через централизованные биржи или использовать ML для поиска информационных задержек – когда данные о событии доходят до платформы с запаздыванием относительно других источников.

Через все четыре типа рынков проходит одна и та же логика: чем ближе к бирже физически или топологически, тем быстрее получаешь данные и тем раньше можешь выставить ордер. На классических биржах – полноценный физический colocation за сотни тысяч долларов. На CEX – облачный компромисс. На DEX – гонка за тем, кто первым отправит транзакцию в мемпул. На рынках предсказаний – доступ к информации до того, как она попадет в контракт.

Откуда вообще берется прибыль в алгоритмическом трейдинге.

Бета – это движение рынка в целом. Классический пример – индекс S&P 500: 500 компаний с взвешенными коэффициентами. Купить S&P 500 – значит двигаться вместе со всеми. Допустим, бета дает 10% годовых. Это ориентир.

Альфа – это доходность сверх беты. Если рынок дал 10%, а стратегия принесла 20% – альфа извлечена. Весь алгоритмический трейдинг – это поиск и эксплуатация источников альфы до того, как они исчезнут или о них узнают регуляторы.

1. Математическая – область квантов. Статистический анализ, закономерности в данных, mean reversion, momentum.

2. Микроструктурная – один из ключевых источников для HFT. Основа здесь – анализ ордербука (стакана). Это структура данных биржи, куда попадают все ордера на покупку и продажу. Биржи транслируют ордербук подписчикам. Анализируя его, можно найти дисбалансы, токсичный флоу, определить оптимальное место для своего ордера и понять, как его подстраивать, не теряя позицию в очереди.

3. Информационная – скорость получения значимой информации. Bloomberg Data Feed: подписка на новостные фиды с минимальной задержкой, покрывающие все происходящее в мире. Один фид – от $1,5 млн.

Например, торговая система может в режиме реального времени отслеживать публикации влиятельных фигур вроде Илона Маска, анализировать их содержание с помощью ML-моделей и оценивать потенциальное влияние на отдельные активы или целые рынки. Такой подход редко становится самостоятельным источником прибыли, но может существенно усилить существующие аналитические модели.

4. Техническая – извлечение преимущества из инфраструктуры. Все существующее ПО, библиотеки, операционные системы – это бета. Чтобы извлечь техническую альфу, нужно взять сетевой стек лучше стандарта индустрии и переписать его, взять ядро Linux и оптимизировать компоненты. Написать софт, который превосходит текущую норму.

Такое преимущество может держаться часы или месяцы – пока не выйдет новая версия или конкуренты не подтянутся.

Отдельный источник технической альфы – приватные каналы связи. Если стандартный канал между двумя биржами имеет latency X, а частная оптика или радиорелейная линия дает X минус 1 мс – это ресурс, за который HFT-трейдеры готовы платить. Аренда таких линий – от $500 000 в месяц, и предложения на рынке есть.

5. Поведенческая – ошибки рынка и других игроков. Пример: анализ ордербука, чтобы оценить, сколько других HFT-фондов торгуют параллельно, как они двигаются относительно рынка и какова их задержка. Прямой информации о чужих стратегиях нет, но через аналитику движения рынка делаются такие оценки. Технически сложный и наукоемкий процесс, но качественное его освоение дает заметное преимущество.

Базовый паттерн извлечения альфы: найти спред, забрать его, при этом хеджировать позицию другим активом. Куплен один биткоин на $75 000 – продаем другие активы на ту же сумму, например эфиры на $75 000. Exposure сводится к нулю. Это дельта-нейтральное хеджирование.

Хеджировать можно не только по дельте, но и по веге – чувствительности к волатильности. Это из мира опционных греков: дельта, гамма, вега, тета, ро. Они в первую очередь применимы к опционам, но концепция хеджирования универсальна.

Именно поэтому хедж-фонды называются хедж-фондами: извлечение альфы всегда идет параллельно с хеджированием. Не захеджировать позицию – значит оставить в ней рыночный риск, то есть бету. А бета – не то, ради чего все это затевалось.

High-Frequency Trading – торговля, в которой время принятия решения измеряется микросекундами. Пока вы моргаете, HFT-алгоритм успевает принять и исполнить сотни решений.

В HFT все подчинено одному принципу: детерминизму. 

1. Алгоритм получает входные данные – тик от биржи, обновление ордербука.
2. Потом он агрегирует все, на основе чего принимается решение. 
3. Затем прогоняет через формулы и расчеты. 
4. В конце отправляет ордер на биржу.

Весь этот путь – от получения данных до отправки ордера – должен укладываться в пределы 100 микросекунд. Миллисекунды – уже потолок.

Логика полностью детерминирована: одинаковый вход всегда дает одинаковый результат за одинаковое время.

HFT-система проектируется снизу вверх – от железа.
Архитектурная вертикаль: сокет → NUMA → физические ядра → потоки.

Источник альфы в HFT – внутри ордербука, а не в новостях или макроэкономике. Это порядок прихода пакетов на биржу, динамика очереди, микроструктурные неэффективности – моменты, когда спред расширяется или в стакане образуется временный дисбаланс.

Ключевое преимущество здесь – не «умнее проанализировал», а «быстрее отреагировал».

В HFT вы конкурируете за микроструктурные неэффективности, и ваши собственные действия меняют рынок. Исторические данные не учитывают вашего присутствия в стакане – классический бэктест здесь работает плохо.

Разумная альтернатива: дебаг на реальных данных с реальной биржи без отправки ордеров. Логировать, какие трейды алгоритм бы совершил, и анализировать результат. Это тестирование стратегии в реальных условиях без риска капиталом.

Inventory explosion – главный риск. Баг в коде может привести к тому, что стратегия наберет слишком большой exposure и портфель перестанет быть дельта-нейтральным. Контроль идет на микросекундных горизонтах: постоянный расчет дельты и греков, сравнение с лимитами. Обязательны kill switches – аппаратные или программные стоп-краны, которые мгновенно отключают торговую систему при выходе параметров за допустимые границы.

Почему стоп-лоссы биржи не работают?
Встроенные стоп-лоссы и тейк-профиты на биржах срабатывают не так, как ожидается – это архитектурная особенность: модуль стоп-лоссов стоит в самом конце цикла исполнения.

Во время большого падения биткоина ни на Binance, ни на OKX, ни на Bybit стоп-лоссы ни у кого не исполнились.

Правильный подход: самому обнаружить необходимость закрытия позиции и отправить обратный ордер. Если были лонги – отправить шорт. Это исполнится значительно быстрее. Ордера всегда должны быть лимитными: биржи обрабатывают чистые лимитные ордера быстрее, чем ордера с дополнительными условиями вроде Good Till Cancel.

Medium-Frequency Trading – другой полюс. Если в HFT все решают микросекунды, то в MFT позиции удерживаются от минут до дней. И главное здесь – не скорость реакции, а качество моделей и исследований.

В MFT нет жесткого детерминизма. Источник данных – не только ордербук, а вся информация об окружающей среде: новости, макроэкономические показатели, настроения рынка. Логика может быть нечеткой, с элементами машинного обучения, с вероятностными оценками.

Горизонт принятия решения – от секунд до часов. Этого времени достаточно, чтобы прогнать данные через ML-модели, посчитать корреляции, определить режим рынка.

MFT – это research-heavy engineering. Центральный процесс – не исполнение, а исследование. Ключевые компоненты: масштабный бэктестинг, feature engineering, ML-пайплайны и распределенные вычисления. Основной bottleneck – не сетевая задержка, а качество данных и моделей.

В MFT побеждает не самый быстрый, а тот, кто лучше исследует рынок.

Источник альфы – статистика и данные, а не микроструктура:

Важный момент – смена режимов. Модель, которая отлично работает в режиме низкой волатильности, может начать терять деньги при переходе рынка в шторм. Критически важно вовремя обнаружить смену режима и переключить стратегию.

В MFT бэктест – обязательный инструмент. Но есть две опасности.

Здесь главные риски не технические, а модельные:

AI – тема, которая сейчас вызывает самый горячий холивар внутри хедж-фондов. Граница здесь четкая: AI уже работает в трейдинге, но не там, где многие ожидают, и не так, как принято думать.

В этой нише слишком высока цена ошибки, поэтому создание AI-команды требует не интуитивного подбора, а жесткого проектирования ролей. Точность найма в AI-сфере зависит от калибровки задачи еще до старта поиска. Как этот подход позволил нам найти Founding AI Engineer для Finalyst и получить мэтч с первого резюме. 

В HFT главное требование – детерминизм. GPU дает колоссальную вычислительную мощность, но не дает предсказуемости. Проблема – в transfer latency между CPU и GPU. Даже мощная модель бесполезна, если данные долго копируются туда-обратно, а время инференса непредсказуемо.

Nvidia в последних поколениях серверных плат убрала задержку северного моста. Развиваются GPU direct networking, NVLink, SmartNIC. Но это пока не индустриальный стандарт.

Внутри каждого фонда сейчас идет внутренняя война двух лагерей. Одни считают, что нейросети – “от лукавого”, и максимум, на что они годятся – ответить на вопрос в чате.

Другие хотят выстроить мультиагентные пайплайны, автоматизировать цикл разработки и выйти на следующий уровень абстракции. Раньше был ассемблер, потом языки программирования, теперь prompt-слой поверх этого, но он не отменяет необходимости писать код на уровне дизассемблера, особенно в HFT.

Ни в одном из известных хедж-фондов эта война еще не закончилась. И это не теоретический спор: те, кто активно использует AI-инструменты, показывают кратно большую личную продуктивность.

Алготрейдинг устроен не так, как большинство IT-компаний. Здесь нет длинных иерархий, огромных продуктовых команд и бесконечных спринтов. В небольшом хедж-фонде может работать пять человек и генерировать результат, сопоставимый с компаниями в десятки раз больше. Причина в том, что каждый участник команды закрывает критически важную часть системы.

В алгоритмическом трейдинге есть две ключевые фигуры: квант и девелопер. Все остальное – производные, которые появляются по мере роста команды.

Квант — это человек, который ищет альфу в данных. Он работает на стыке математики, статистики и анализа рыночного поведения. Его задача — находить закономерности, формализовать их в модели и превращать в торговые стратегии.

Типичный баланс работы кванта – около 70% исследований и 30% разработки. Он:

После этого фонд выделяет капитал (например, 2 млн долларов), и стратегия начинает работать в реальных условиях. Оценка проста: стратегия либо приносит деньги, либо нет.

Важно понимать различие между HFT и MFT:

Эти области напрямую связаны с современным machine learning: например, цепи Маркова и графовые модели естественным образом переходят в представление нейросетей как взвешенных графов.

Поэтому сильный математический фундамент часто оказывается важнее, чем знание конкретных ML-фреймворков. Python и PyTorch можно освоить относительно быстро, а математическое мышление формируется годами.

Если квант придумывает стратегию, то разработчик строит систему, которая ее исполняет.

Идеальный баланс работы здесь обратный: около 70% инженерии и 30% исследований.

Это одна из самых технически сложных инженерных ролей в индустрии. Разница между сильным HFT-разработчиком и обычным C++-инженером принципиальна. В HFT недостаточно просто писать эффективный код – нужно понимать, как он взаимодействует с железом и сетью.

Обычно развитие выглядит так:
systems engineer → low-latency engineer → senior HFT engineer

Внутри специализации могут быть отдельные направления:

В небольших фондах один человек закрывает несколько направлений, в крупных  роли строго разделены.

В MFT требования другие. Здесь больше классического software + ML:

Здесь меньше фокуса на железо, но критически важна качество исследовательской платформы.

Идеальная команда – это квант с пересечением 70/30 и девелопер с тем же пересечением. Они понимают язык друг друга, видят общую картину и не тратят время на “переводчиков” между математикой и кодом.

В современных HFT и MFT фондах отдельная роль трейдера встречается редко. Чаще всего функции распределены между квантом и разработчиком, а исполнение автоматизировано. Однако в более институциональных структурах трейдер может существовать как отдельная роль. В этом случае он:

Но в алгоритмическом трейдинге эта роль постепенно исчезает, уступая место полностью автоматизированным системам.

В небольших командах инфраструктура – часть работы разработчика. HFT-девелопер может сам настраивать серверы, сеть и сетевые адаптеры. По мере роста компании появляются отдельные инфраструктурные инженеры. Но даже тогда архитектура остаётся максимально простой.

Причина в фундаментальном ограничении: в HFT любая абстракция стоит денег в виде latency. Поэтому инфраструктура стремится к минимализму:

Инженеры здесь – это специалисты по Linux, сетям и bare-metal системам. Классический DevOps из облачной индустрии часто неприменим.

Одна из самых редких и высокооплачиваемых специализаций в индустрии. Сама специфика роли необычна: FPGA-инженер не пишет код в привычном смысле, он описывает, как физически распределить логику по транзисторам на программируемой плате. 

Инструменты:

В colocation-среде, где физическое расстояние до биржи одинаково для всех, последний рубеж оптимизации – скорость обработки пакета внутри машины. FPGA позволяет реализовать логику обработки рыночных данных или генерации ордеров прямо на аппаратном уровне, в обход CPU и операционной системы. Latency на FPGA-решениях может быть в десятки раз ниже, чем на CPU.

Интервью на FPGA-позиции существенно отличаются от стандартных:

Планка высокая, но и компенсация соответствует: FPGA-роли в HFT входят в число наиболее высокооплачиваемых инженерных позиций в индустрии. FPGA-инженер требуется в первую очередь на классических биржах с полноценным colocation: именно там разница в наносекундах имеет прямую денежную ценность.

Процесс найма в HFT/MFT сильно отличается от классического IT. Здесь нет стандартного набора из "5 раундов LeetCode". Вместо этого оценивается глубина понимания фундаментальных вещей.

Пути в HFT и MFT разные, но у них есть общая логика: чем раньше начать строить нужный фундамент, тем лучше.

HFT-разработка

Типичный путь:

Хорошее портфолио – это собственный мини-стек:

Переход из Big Tech возможен, Microsoft, Google, Netflix дают хорошую системную базу. Но нужно понимать, что в HFT ценится не масштаб систем, а глубина знания о том, что происходит на нижнем уровне. Если в Big Tech вы работали на уровне абстракций, придется погружаться заново.

Кванты

Для квантов стандартный путь – это наличие сильного академического бэкграунда.

Часто именно способность вести исследование важнее формального образования.

MFT/ML-направления

Основные требования:

Проще всего войти через Data Science или ML Engineering.

Несколько тенденций, которые определяют, куда движется алгоритмический трейдинг.

Переход от классического цикла разработки к AI-ориентированному — не вопрос «если», а вопрос «когда». Уже сейчас AI генерирует значительную часть кода, а роль инженера смещается к проектированию архитектуры и ревью. Те, кто выстраивает мультиагентные пайплайны, получают кратный прирост продуктивности.

Но это не отменяет необходимости писать код на низком уровне. В HFT по-прежнему нужно понимать, что происходит на уровне дизассемблера, и уметь оптимизировать то, что нейросеть сгенерировала. Хороший RDMA-код нейросети пока не пишут.

Данных становится больше, ценность правильно собранных и размеченных данных растет. В MFT качество дата-пайплайнов все чаще определяет качество стратегий. Команды, которые инвестируют в инфраструктуру данных (сбор, очистку, feature engineering, хранение) получают преимущество.

Квантам все чаще нужно понимать, как устроен инференс модели на GPU. Девелоперам — как работают ML-пайплайны. RDMA и NCCL лежат в основе и HFT-кластеров, и дата-центров для обучения моделей — это технологии, которые важны для обоих миров.

Криптовалютные биржи, DEX и рынки предсказаний – относительно молодые и менее зарегулированные площадки. Технические альфы здесь держатся дольше, чем на классических биржах, где регуляторы быстро закрывают то, что становится достоянием гласности.

Алгоритмический трейдинг – одна из немногих индустрий, где технологическое превосходство напрямую конвертируется в финансовый результат. Микросекунды задержки, корректная работа branch predictor, знание того, как устроено ядро Linux – все это инструменты, от которых зависит, зарабатывает стратегия или нет.

В алготрейдинге любая ошибка в коде или стратегии стоит миллионов. Ошибка в найме ключевого инженера стоит месяцев потери темпа. Lucky Hunter берет на себя управление рисками в подборе вашей команды. Мы синхронизируем ваши задачи роста с реальностью рынка еще до начала поиска, чтобы вы получили управляемый результат, а не случайный успех. Спроектировать решение вместе с Lucky Hunter.

А теперь тест для самопроверки: