Budapesti matematikusok formálják a világ pénzügyeit: a Morgan Stanley Magyarországon fejleszti globális kereskedőalgoritmusait

A matematikai kutatásoknak nem mindig jelentkezik azonnal kézzel fogható eredménye, gyakran éveket kell várni, amíg egy „elegáns” megoldás, újszerű módszer a gyakorlatban is hasznosul. Van viszont egy terület, ahol egy új modell vagy algoritmus gyorsan éles teszt alá is kerül, ez a bankvilág. A világ pénzpiacain akár már másnap kiderülhet, hogy bevált-e az újítás. Ez a kihívás vonzotta a Morgan Stanley idén 15 éves magyarországi központjába Ottucsák Györgyöt és Jónás Ágnest, méghozzá a gépi tanulás, illetve az evolúcióbiológia területéről.

15 évvel ezelőtt nyitotta meg Budapesten első irodáját a Morgan Stanley. 2006-ban egy pár fős matematikai modellező csapattal indult a munka, az azóta eltelt másfél évtizedben pedig már kétezer fős technológiai és elemző központtá bővült a globális pénzintézet magyarországi központja. A technológiától a kockázatkezelésig számos új üzletág került a magyar fővárosba – de az elsőként érkezett modellező részleg is folyamatosan gyarapodik, és kínál lehetőséget jelenleg is azoknak, akik szívesen néznének szembe új kihívásokkal kvantitatív területen.

Az értékpapír-kibocsátást és -kereskedelmet támogató front-office csapatban száz fölötti számban dolgoznak kvantitatív munkatársak – főleg matematikusok, fizikusok, műszaki informatikusok, pénzügyi elemzők, de van köztük biológus, vegyész és meteorológus is.

A szakemberek többek között olyan matematikai modelleket fejlesztenek, amelyek feltérképezik a piaci törvényszerűségeket, beárazzák a különböző pénzügyi termékeket, és algoritmusokkal támogatják a pénzpiaci kereskedést. Ezeknek a modelleknek és algoritmusoknak a hatékonysága fontos szerepet játszik abban, hogy a cég sikeresen kereskedjen egy-egy eszközosztályban, például az államkötvények vagy a vállalati részvények, esetleg a devizák piacán.

Az elméleti matematikától az államkötvényekig

Ottucsák György 2014-ben csatlakozott a Morgan Stanley-hez, és jelenleg az egyik legfontosabb eszközosztályban, az államkötvények piacán foglalkozik modellezéssel. A Budapesti Műszaki és Gazdaságtudományi Egyetemen műszaki informatikusként végzett, és gépi tanulásból írta doktori disszertációját. Ekkor még nem a mesterséges intelligencia gyakorlati felhasználása, hanem a tiszta elmélet érdekelte. Ez idő tájt még a programozás sem volt hangsúlyos az életében, ami pedig ma már elengedhetetlen napi munkája során. A doktori cím megszerzése után startupoknál már gyakorlati problémák megoldására is alkalmazta tudását, de a leginspirálóbb feladatot a Morgan Stanley-nél találta meg.

„Korábban olyan területekre alkalmaztam a tudásom, mint kiskereskedelmi termékek forgalmának előrejelzése. Ez érdekes feladat, de az előrejelzésnek nincs hatása a forgalomra. Nem fogják lényegesen többen vagy kevesebben venni az adott terméket attól, hogy a modellünk mit jelzett előre. A pénzügyben más a helyzet" – magyarázza Ottucsák György. "Ha egy csapat kifejleszt egy algoritmust, amely nagy tételben végre tud hajtani nyereséges kereskedéseket, akkor ez a lehetőség rövidesen eltűnik a piacról, hiszen mások is elkezdik másolni. Az egész piac tanul. Ha nem fejleszted az algoritmusod, lemaradsz, ezért minden nap új kihívások várnak rád. A gépi tanulás más területein, például egy képfelismerő rendszernél előbb-utóbb eljutunk egy olyan pontosságig, ahonnan már nincs tovább. A pénzügyben mindig van hová fejlődni.”

Algoritmusok versenye

Mielőtt csatlakozott a Morgan Stanley csapatához, Ottucsák György azt gondolta, hogy az állampapír stabil, nem túl izgalmas befektetés. Pedig nagyon is az. A Morgan Stanley árjegyzőként van jelen például az államkötvények piacán, vagyis nagy volumenben és sok partnerrel kereskedik, méghozzá úgy, hogy közben próbálja minimalizálni a kockázatot: ha felvesz valamilyen pozíciót, minél gyorsabban le akarja fedezni (hedge-elni) a kockázatot egy ellenkező irányú ügylettel. Ehhez gyakran sok hasonló pénzügyi eszközből kell kikeverni egy portfóliót, ami nem triviális feladat – sok matematika van mögötte. Ez ma már többnyire automatikusan történik: algoritmusok futnak a háttérben, beárazzák a papírokat és a partnerkockázatot, megkötik az ügyletet, megkeresik a piacon a hedge-elési lehetőségeket, és meg is veszik az eszközöket. Az algoritmusok emberi felügyelet mellett működnek, és egy bizonyos értékhatár fölötti trade-eknél kifejezett emberi jóváhagyásra is szükség van a tranzakció megkötéséhez.

„A pénzpiacon nagyon komoly a verseny, itt pedig döntő a technológia is. Ma már csak az a cég tud hatékonyan kereskedni és nyereséget elérni, amely jó algoritmusokat készít. Ehhez kellenek a jó kvantitatív szakemberek, akik sokféle területről érkeznek a csapatunkba. Miután bekerültek a budapesti irodába, a legtapasztaltabb pénzpiaci szakemberektől tanulhatnak, nagyon értékes tudást szerezve, melynek segítségével az informatikai és matematikai szaktudásukat gyakorlati pénzügyi problémák megoldására tudják fordítani. A csapatban sok okos ember dolgozik együtt, 20-30 százalékuk PhD fokozattal rendelkezik. Minden nap rengeteget tanulunk egymástól” – mondja Ottucsák György.

Az ecetmuslicáktól a derivatívákig

Jónás Ágnes biztos kvantitatív tudással, de távoli területről érkezett a Morgan Stanley matematikai modellező csapatába, 2016-ban populációgenetika témakörben doktorált. Kutatásai során idősoros modellekkel próbálta megérteni, hogyan alkalmazkodnak a környezetváltozáshoz egy-egy populáció egyedei. Többek között az influenzavírus variációinak előfordulását kutatta – ami a későbbi járványhelyzetben igen érdekes területté vált.

A fiatal kutató főleg ecetmuslicákkal kísérletezett. Ez egy könnyen tartható és gyorsan szaporodó faj, így néhány év leforgása alatt több száz generáción, nagy egyedszámon tudták vizsgálni, hogyan változik a populáció génállománya. Az ecetmuslicákat első látásra nem sok minden köti össze a pénzpiacokkal – pedig valójában hasonló módszereket kell használni mindkét területen.

„Sok közös pont van a populációgenetika és jelenlegi szakterületem, a derivatív termékek és a partnerkockázat árazása között" – magyarázza Jónás Ágnes. "Hasonló modellekkel szimuláljuk a piacokat, mint amilyenekkel a populációk dinamikáját a biológiában. Ott azt vizsgáltuk, hogy a környezet változása hogyan hatott a génállományra, itt azt, hogy bizonyos paraméterek megváltozása hogyan hat mondjuk az olaj árára. És mindezt hasonló programozási nyelveken tesszük.”

Okos és nyitott emberek a világ minden tájáról: hisznek a közösségi tudás erejében

A programozási ismeretek elengedhetetlenek a matematikai modellezéshez: bármilyen jó elméleti szakember is valaki, lelassítja a munkát, ha ötleteit nem tudja azonnal „leszkriptelni”. Jónás Ágnes ezt a tudást már biológiai tanulmányai során elsajátította. Abban, hogy végül a Morgan Stanley-nél kamatoztatja, döntő szerepet játszott az is, hogy itt is hasonlóan inspiráló, multikulturális közegben dolgozhat, mint amit doktori évei során tapasztalt.

„A doktori iskolában megszoktam, hogy sokféle országból és háttérrel érkező tudóssal, szakemberrel dolgoztam együtt: matematikusokkal, fizikusokkal, biológusokkal a világ minden tájáról. A budapesti Morgan Stanley-nél is ugyanilyen közegben dolgozom, ez fontos számomra. Folyamatosan tartom a kapcsolatot azokkal a munkatársakkal is, akik ma már New Yorkban, Londonban, Tokióban vagy valamelyik másik irodában dolgoznak, és jó tudni, hogy mindenki előtt nyitva áll egy nemzetközi karrier lehetősége a vállalaton belül” – mutatott rá.

Egyetemi programok, matekszakkör lányoknak

A Morgan Stanley fontos alapértéke, hogy a munkatársak visszaadnak valamit annak a közösségnek, amelyben élnek és dolgoznak – ez az úgynevezett „giving back” filozófia. A matematikai modellező csapat tagjai számára erre gyakran oktatási tevékenység keretében kerül sor. Ottucsák György 2008 óta alma materében, a Műegyetemen tanít információelméletet és adattudományt (data science), és ő irányítja azt a csapatot, amely ezen az egyetemen koordinálja a Morgan Stanley hallgatókat megcélzó kezdeményezéseit, a gyakornoki programot, a labort, a vendégelőadásokat, meetupokat vagy éppen az állásbörzei részvételeket – amennyiben a járványügyi korlátozások lehetővé teszik mindezeket.

Jónás Ágnes szívügye, hogy a nők nagyobb arányban legyenek jelen a természettudományos, informatikai, műszaki és matematikai (ún. STEM) pályákon. Amellett, hogy aktív tagja a vállalat női kvantitatív szakembereit összefogó belső hálózatnak (Women in Quantitative Finance), az új nemzedék tanításával is mindent megtesz azért, hogy több fiatal lány szemében váljon vonzóvá a pálya. Sok más budapesti Morgan Stanley-alkalmazottal együtt ő is tagja annak a mentori, tanítói csapatnak, amely a Nők a Tudományban Egyesület (NATE) által életre hívott és a Morgan Stanley által támogatott SMARTIZ program részeként tart matematika és programozó szakköröket középiskolás diáklányok számára.

Érdekli, milyen lehet kvantitatív munkakörben dolgozni a Morgan Stanley-nél? További információkat itt talál.