Научись зарабатывать на алгоритмическом трейдинге — шаг за шагом

Александрина

Александрина редко начинает занятие по алгоритмическому трейдингу с привычного разбора теории—чаще она бросает в аудиторию короткий кейс, вроде “почему пара USDJPY вдруг стала вести себя так странно в 2016-м?”. В такие моменты становится ясно: для неё не существует мелочей или случайных деталей, всё связано, даже если на первый взгляд это кажется чепухой. Её подход к обучению взрослой аудитории — не в том, чтобы жонглировать правилами и формулами, а в том, чтобы провоцировать вопросы. В одном семестре она, например, увлеклась темой стохастических процессов и внезапно свернула к историческим биржевым сбоям — студенты потом ещё долго обсуждали, как человеческие страхи перекликаются с поведением алгоритмов. В классе всегда немного неформально: кто-то пьёт кофе из термоса, кто-то рисует на полях расценки фьючерсов, а Александрина терпеливо ждёт, пока дойдут до сути. Она прошла путь от простых торговых стратегий до сложных нейронных сетей, и это чувствуется — особенно когда неожиданно начинает объяснять, почему один старый баг в Bloomberg в своё время стал причиной цепочки событий, ведущих к появлению новых стандартов аудита. Один студент как-то заметил: “После её лекций кажется, что ты знаешь меньше, чем до, но за это почему-то не стыдно”. Интересная деталь — Александрина почти никогда не говорит о своих публикациях, хотя парочка её заметок о методах тестирования стратегий обошла отраслевые форумы и даже мелькала в обсуждениях на профильных конференциях. Её не интересуют громкие титулы — она скорее за то, чтобы студент к концу курса мог сам объяснить, зачем вообще нужны эти алгоритмы, а не просто повторял формулы. Конечно, не все становятся фанатами её стиля — однажды кто-то пожаловался, что слишком много “ненужных отступлений”, но, честно говоря, именно в этих отступлениях и рождаются самые неожиданные инсайты.