Vukovićev tim pokušao je spojiti dvije naizgled različite stvari – koncept 'mudrosti mnoštva' (Wisdom of the Crowds) i vrlo agresivno trgovanje financijskim izvedenicama. Cilj je bio ambiciozan: izgraditi portfelj koji može ostvarivati visoke prinose bez obzira na to raste li tržište ili pada. Na papiru je ideja izgledala vrlo privlačno. U praksi se, međutim, pokazalo koliko je teško takav model održati kada se suoči s nepredvidivim ponašanjem financijskih tržišta.

Od predviđanja izbora do predviđanja burze

Model koji je koristio Vukovićev tim nije nastao iz financija. Njegovi su korijeni u metodologiji predviđanja političkih izbora, gdje je tim ranije ostvario zapažene rezultate. Nakon što je, prema vlastitim navodima, uspješno predvidio pobjedu Donalda Trumpa, izlazak Ujedinjenog Kraljevstva iz Europske unije, a potom i pobjedu Joea Bidena na američkim predsjedničkim izborima, tim je pokušao odgovoriti na logično, ali vrlo zahtjevno pitanje: može li ista metodologija predvidjeti i kretanje financijskih tržišta?

Tijekom eksperimentalne faze 2021. i 2022. godine model je testiran na dioničkim tržištima. Prema podacima koje je prezentirao Vukovićev tim, ostvareni godišnji povrat iznosio je 71 posto. Nakon tih rezultata pokrenut je fond Orca Bason, registriran u Delawareu, koji je u veljači 2023. godine počeo trgovati prema razvijenoj strategiji.

Ključnu ideju bilo je jednostavno objasniti, ali vrlo složeno provesti: pokušati iz velikih količina podataka izdvojiti signal koji pokazuje kamo bi se tržište moglo kretati u sljedećih tjedan dana.

Može li 'mudrost mnoštva' predvidjeti burzu?

Umjesto klasičnih anketa, algoritam je analizirao specifične skupine ljudi i njihova ponašanja, uključujući ono što se događalo na društvenim mrežama. Posebna se pažnja posvećivala svojevrsnim 'financijskim mjehurićima' koji nastaju kada određene teme, dionice ili tržišni trendovi privuku veliku pažnju korisnika.

Ideja je bila matematičkim metodama smanjiti utjecaj grupnog razmišljanja (groupthink) i drugih pristranosti te iz mnoštva različitih mišljenja izdvojiti što precizniji signal o budućem kretanju tržišta. Svaki tjedan model je tako proizvodio signal, a on se potom pretvarao u konkretne investicijske pozicije.

Prema javno dostupnim prezentacijama fonda, portfelj je bio podijeljen na agresivni i defenzivni dio, približno u omjeru 50:50.

Pola portfelja za napad, pola za obranu

Agresivni dio portfelja bio je usmjeren na kratkoročna tržišna kretanja. Na temelju signala modela trgovalo se opcijama i terminskim ugovorima. Oko deset posto portfelja činila je kupnja izrazito kratkoročnih opcija – onih koje su do dospijeća imale tek dva dana. Takve bi se pozicije, primjerice, otvarale sredinom tjedna i zatvarale u petak.

Problem s takvim instrumentima jest u tome što vrijeme radi protiv ulagača. Što je opcija bliže dospijeću, to joj vrijednost zbog proteka vremena može vrlo brzo padati. S druge strane, ako se tržište u kratkom roku pomakne u očekivanom smjeru, prinos može biti višestruko veći od početnog ulaganja. Jednostavno rečeno: potencijalna je nagrada velika, ali je i rizik gubitka iznimno visok.

Još oko 40 posto portfelja činili su instrumenti povezani sa S&P-om 500, Nasdaqom i indeksom volatilnosti VIX. Oni omogućuju zauzimanje pozicija na rast ili pad pojedinih tržišnih indeksa.

Preostalih 50 posto trebalo je imati obrambenu funkciju. Taj je dio bio usmjeren na smanjivanje povezanosti s tržištem kroz dugoročnije long/short pozicije na ETF-ove, kao i držanje dijela imovine u američkim državnim obveznicama i gotovini.

Vuković je svoju strategiju opisivao kao sustav u kojem se rizik ograničava iz tjedna u tjedan dok se profit pokušava povećati kada se pojave posebno snažni signali. Kako je tvrdio, najveći dio godišnjih prinosa dolazio je iz nekoliko iznimno uspješnih tjedana, u kojima su tjedni prinosi prelazili osam posto.

Problem je to što burza nije izborna anketa

Upravo se ovdje pojavljuje jedna od temeljnih slabosti cijele ideje. Pretpostavka da model koji dobro predviđa političke izbore može jednako dobro predviđati i burzovne trendove zvuči logično, ali između ta dva sustava postoji velika razlika.

Izbori su, koliko god bili nepredvidivi, relativno statičan događaj. Imaju određen datum, ograničen broj mogućih ishoda i trenutak u kojem se rezultat 'zaključava'. Financijska tržišta funkcioniraju drukčije.

Ona su dinamičan sustav u kojem sudionici svojim ponašanjem stalno mijenjaju ono što pokušavaju predvidjeti. Ako velik broj ulagača zaključi da će određena dionica rasti, oni će je početi kupovati. Time sami mogu izazvati rast njezine cijene. Drugim riječima, tržište nije samo nešto što treba predvidjeti – ono reagira na pokušaje predviđanja.

To stvara povratnu spregu koju kod političkih izbora nema u istoj mjeri.

Drugi problem: Tko kontrolira podatke?

Dodatni rizik proizlazi iz oslanjanja na društvene mreže. Ako model procjenjuje raspoloženje i ponašanje 'mnoštva' analizirajući platforme poput X-a i Reddita, tada njegova kvaliteta ovisi i o kvaliteti podataka koji ulaze u njega.

A društvene mreže nisu reprezentativni uzorak društva. Na njima postoje lažni profili, botovi, koordinirane kampanje i ogromna količina sadržaja koji nema nikakvu ekonomsku vrijednost.

Upravo zato algoritam koji pokušava iz takvog 'mnoštva' izvući precizan signal može imati problem koji je poznat u svim sustavima temeljenima na podacima: ako su ulazni podaci loši ili manipulirani, ni najbolji algoritam ne može proizvesti pouzdan rezultat. U slučaju financijskog modela taj problem postaje još ozbiljniji jer pogrešan signal ne znači samo pogrešnu prognozu – on može dovesti do stvarnog financijskog gubitka.

Kada algoritam pogriješi, opcije mogu nestati za nekoliko sati

Treći problem proizlazi iz same investicijske strategije. Trgovanje opcijama koje dospijevaju za svega nekoliko dana izrazito je rizično. Kod takvih instrumenata vremensko propadanje vrijednosti, poznato kao theta decay, može biti vrlo brzo.

Ako model pogriješi u procjeni smjera tržišta, opcija može izgubiti gotovo cijelu vrijednost. A nije nužno ni da model mora potpuno pogriješiti. Dovoljno je da se tržište pomakne kasnije nego što se očekivalo, da se pomak dogodi presporo ili da se uopće ne dogodi.

Za fond koji takvu strategiju ponavlja iz tjedna u tjedan to znači da se niz relativno malih pogrešaka može pretvoriti u ozbiljan problem. Upravo je zato upravljanje rizikom jednako važno kao i kvaliteta samog prediktivnog modela.

Zamka koja vreba gotovo svaki kvantitativni model

Postoji još jedan problem koji nije specifičan samo za Bason, već je dobro poznat u svijetu kvantitativnog investiranja. Riječ je o overfittingu, odnosno pretjeranom prilagođavanju modela povijesnim podacima.

Zamislimo model koji se testira na prošlih deset godina tržišta. Ako ga dovoljno dugo podešavamo, moguće je pronaći kombinaciju pravila koja će gotovo savršeno objasniti što se događalo u prošlosti. No to ne znači da će model jednako dobro funkcionirati i sutra.

Tržišta se mijenjaju. Mijenjaju se kamatne stope, ponašanje ulagača, regulacija, likvidnost i način na koji algoritamski trgovci reagiraju na nove informacije. Model koji je savršeno prilagođen jednom tržišnom režimu može zato vrlo brzo izgubiti učinkovitost kada nastupi potpuno drugačije okruženje.

To je jedna od najvećih opasnosti svake strategije koja na temelju povijesnih podataka obećava iznimno visoke prinose.

Lekcija koja nadilazi jedan fond

Slučaj Orca Bason zato je zanimljiv i izvan konkretnih okolnosti koje će biti predmet sudskog postupka. On podsjeća na jednu od temeljnih lekcija financijskih tržišta: dobar model nije isto što i dobar investicijski sustav.

Model može proizvoditi uvjerljive rezultate u simulacijama, može izgledati impresivno na povijesnim podacima i može neko vrijeme ostvarivati iznimno visoke prinose. Ali kada se takav model spoji s velikom financijskom polugom, vrlo kratkim rokovima dospijeća i osjetljivim podatkovnim izvorima, rizici se multipliciraju.

U takvom sustavu nije dovoljno samo biti u pravu češće nego u krivu. Potrebno je preživjeti i one trenutke u kojima model pogriješi. A upravo se tu često nalazi granica između atraktivne investicijske teorije i stvarnog poslovanja hedge fonda.

Kada rezultati počnu ozbiljno odstupati od očekivanja, najvažniji test za menadžment nije samo kako vratiti novac, nego kako transparentno objasniti ulagačima što se dogodilo.

Prema navodima iz optužnice, upravo je na toj točki slučaj Orca Bason krenuo u mnogo ozbiljnijem smjeru: umjesto da se gubici otvoreno priznaju, vodeći ljudi fonda navodno su posegnuli za manipuliranjem poslovnim knjigama kako bi prikrili stvarno stanje. O tim će navodima, kao i o odgovornosti konkretnih osoba, konačnu riječ imati američki sud.

No neovisno o sudskom ishodu, šira financijska lekcija ostaje ista: na tržištu ne postoji algoritam koji može ukinuti rizik. Može ga samo bolje ili lošije mjeriti, rasporediti i kontrolirati.

A što je strategija agresivnija, to je cijena pogreške veća.