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

Nincsen jövőnk tudomány nélkül, nincsen Qubit nélkületek. Támogasd a munkánkat!

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.

Morgan Stanley, Budapest

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.

Ottucsák GyörgyFotó: Morgan Stanley

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.

Jónás ÁgnesFotó: Morgan Stanley

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.