Энтропия ордер-флоу: ИИ предсказывает размах цены

За 36 торговых дней по одному из самых ликвидных инструментов мира (SPY) исследователи нашли закономерность, от которой у практиков обычно поднимается бровь: направление цены по-прежнему почти не угадывается, а вот масштаб будущего движения — да. Причём не «в среднем стало волатильнее», а строго по условию: когда энтропия потока сделок падает ниже 5‑го перцентиля, следующая 5‑минутная абсолютная доходность становится больше в 2,89 раза.

Для серии «Искусственный интеллект в финансовых инвестициях» это очень точный пример того, что реально умеют современные методы анализа данных: ИИ не обязан “предсказывать вверх/вниз”, чтобы приносить пользу. Иногда правильный ответ — «сейчас вероятен сильный импульс, готовь риск‑менеджмент». Это и есть практическая ценность для алгоритмической торговли, управления портфелем и оптимизации исполнения.

Почему «угадать направление» — плохая цель, а «угадать размах» — хорошая

Ключевой факт из рыночной микроструктуры: слабая форма эффективности рынка допускает, что знак краткосрочного движения (вверх/вниз) близок к случайному, особенно на ликвидных инструментах. Но это не означает, что рынок хаотичен во всём.

Внутридневная торговля — это постоянная борьба за миллисекунды и базисные пункты. И тут две задачи часто важнее «куда пойдёт»:

• Когда будет “шумно” (высокая внутридневная волатильность), чтобы масштабировать риск, плечо, лимиты проскальзывания.
• Как изменится цена при исполнении (market impact), чтобы выбирать агрессивность заявок и маршрутизацию.

Если вы управляете портфелем, то «в 10:35 будет скачок» полезнее, чем «думаю, вверх». Потому что скачок влияет на:

1. стоп‑лоссы и маржинальные требования,
2. вероятность выбивания из позиции,
3. стоимость хеджа,
4. качество исполнения и комиссионную нагрузку.

Именно поэтому идеи из статьи хорошо ложатся на практику AI‑risk, intraday volatility forecasting, execution algorithms.

Что такое энтропия ордер-флоу простыми словами

Энтропия ордер‑флоу — это мера «насколько предсказуемо (структурно) ведёт себя поток сделок». Чем ниже энтропия, тем более упорядоченным становится процесс: сделки начинают идти «не как обычно», а сериями с повторяющимися переходами состояний.

В работе энтропию считают в реальном времени, по матрице переходов Маркова из 15 состояний на секундном разрешении. Детали 15 состояний в прикладном пересказе можно воспринимать так:

• рынок в каждый момент попадает в одно из дискретных «состояний» (например, комбинации признаков сделки/микродвижения),
• далее отслеживается, как часто состояние переходит в другое,
• из этой структуры переходов вычисляется энтропия как «степень случайности».

Снижение энтропии — это сигнал, что в потоке сделок появилась скрытая организация, похожая на действия крупного/информированного участника.

И важная деталь: энтропия не зависит от перестановки знака (условно, “покупки/продажи”). Поэтому она может фиксировать «кто-то действует неслучайно», но не говорит «вверх или вниз».

Что именно показало исследование (цифры, которые можно использовать)

Результаты в статье ценны тем, что они не расплывчатые.

Данные и постановка

• Инструмент: SPY (ETF на S&P 500)
• Объём: 38,5 млн сделок
• Период: 36 торговых дней
• Частота признаков: 1 секунда
• Целевая метрика: абсолютная доходность на горизонте 5 минут (то есть модуль, без направления)

Главный эффект

Если условиться, что «аномально низкая энтропия» — это значения ниже 5‑го перцентиля, то:

• последующая 5‑минутная абсолютная доходность увеличивается в 2,89 раза
• статистика: t = 12,41, p < 0,0001

Но направления не даёт

• точность по направлению: 45,0%
• статистически не отличается от случайности: p = 0,12

Проверка на “а вдруг подогнали”

Авторы делают walk‑forward (пять непересекающихся тестовых периодов) и плацебо‑тесты с перестановкой меток:

• в плацебо: z = 14,4 против нулевой гипотезы

Практический вывод: сигнал устойчиво связан с режимами волатильности, а не с “угадыванием” стороны.

Как это применять в реальных AI‑стратегиях и управлении риском

Смысловой перенос в практику: энтропия ордер‑флоу — это кандидат на роль state variable для внутридневной волатильности. ИИ здесь выступает как инструмент, который извлекает режим рынка из микроструктурного потока.

1) Динамический риск‑менеджмент (позиция и плечо)

Если ваша стратегия торгует внутри дня (или даже ребалансирует в окне), вы можете использовать «низкую энтропию» как переключатель режима:

• normal regime → обычный размер позиции
• low‑entropy regime → либо снижаете позицию (если вы не любите риск), либо повышаете (если вы системно зарабатываете на волатильности)

Что работает на практике (я бы начал так):

1. ограничить максимальный риск в минуту/в 5 минут,
2. при низкой энтропии расширять стопы, но уменьшать размер позиции,
3. при высокой энтропии — наоборот (если стратегия “mean‑reversion”).

2) Улучшение исполнения (execution) и контроль проскальзывания

Когда предсказуемо возрастает модуль движения цены, чаще всего ухудшается качество исполнения:

• шире спред,
• сильнее market impact,
• больше adverse selection.

Исполнительные алгоритмы могут реагировать:

• переходить с агрессивного исполнения (market) на более аккуратное (limit/iceberg),
• снижать participation rate,
• дробить ордер на более мелкие части,
• повышать требования к допустимому проскальзыванию.

3) Стратегии на волатильность вместо направления

Если сигнал не про знак, логичнее монетизировать его через инструменты и конструкции, чувствительные к волатильности:

• внутридневные “breakout‑режимы” с нейтральным направлением,
• парные/маркет‑нейтральные стратегии, где важен размах,
• хеджирование портфеля в моменты, когда риск резкого движения повышен.

Даже без опционов можно строить правило: «включай защитный режим портфеля, когда рынок входит в low‑entropy‑состояние». Это особенно актуально в декабре: тонкая ликвидность на праздниках часто усиливает импульсы, и режимные переключатели помогают пережить “неожиданные” свечи.

4) Как внедрить это как ML‑признак (без лишней магии)

Энтропию можно рассматривать как одну фичу (или набор фич), которая затем подаётся в модель прогнозирования волатильности:

• классические модели: HAR‑RV, GARCH‑семейство (как экзогенный регрессор)
• ML: градиентный бустинг, вероятностные модели, нейросети для временных рядов

Полезная практика: не пытайтесь заставить модель предсказывать направление, если фича по природе инвариантна к знаку. Лучше честно оптимизировать:

• |return|,
• realized volatility,
• диапазон high‑low,
• вероятность движения выше порога (например, P(|r_5m| > x)),

и уже от этого строить торговые решения.

Ограничения: где люди чаще всего ошибаются

Исследование сильное, но практик обязан видеть границы.

Ограничение 1: один инструмент и короткая выборка

36 торговых дней и один SPY — это хороший старт, но не «универсальный закон рынка». Для внедрения нужно расширение:

• другие ETF/фьючерсы,
• разные годы и режимы (высокая/низкая ставка, кризисы, спокойные периоды),
• разные торговые сессии (открытие/обед/закрытие).

Ограничение 2: риск “красивого сигнала” без экономики

Даже если |r| растёт в 2,89 раза, это не равно прибыли стратегии. Комиссии, спред, impact и ограничения по ликвидности могут съесть эффект.

Правильный подход:

• сначала доказать улучшение risk-adjusted метрик (например, снижение хвостового риска или улучшение fill‑качества),
• затем уже думать о PnL.

Ограничение 3: устойчивость к смене микроструктуры

Биржи меняют правила, брокеры меняют маршрутизацию, участники меняют поведение. Фичи, построенные на “секундной микроструктуре”, требуют:

• мониторинга дрейфа,
• переобучения,
• строгой walk‑forward в проде.

Мини‑FAQ: что обычно спрашивают про такие сигналы

Энтропия — это “ещё один индикатор”?

Нет. Это измерение режима рынка, построенное из структуры потока сделок. Индикаторы чаще смотрят на цену/объём. Здесь — порядок переходов в микросостояниях.

Почему сигнал не даёт направление, но даёт размах?

Потому что энтропия инвариантна к перестановке знака: она видит «структуру», но не «сторону». В терминах практики: «кто-то действует организованно», но он может и покупать, и продавать.

Можно ли применить это на российском рынке?

Идея переносится, но реализация зависит от данных. Нужны детальные ленты сделок и аккуратная нормализация под особенности ликвидности. На менее ликвидных инструментах эффект может быть сильнее, но и ложных сигналов больше.

Что делать дальше, если вы хотите использовать ИИ в инвестициях

Если вы строите AI‑подход к инвестициям, этот результат хорошо дисциплинирует: перестаньте мерить успех только “угадал направление”. В реальных системах деньги часто лежат в другом месте — в управлении риском, исполнении и правильной реакции на смену режима.

Я бы начал с простого пилота: взять ваш поток сделок/квази‑тиков, посчитать режимный показатель (энтропию или близкий прокси), и проверить две вещи на walk‑forward:

1. улучшает ли он прогноз |return| или realized volatility;
2. снижает ли он стоимость исполнения и хвостовые потери портфеля.

Хотите собрать такой пилот под ваш рынок, данные и ограничения по риску — оставьте заявку: обсудим, какие данные доступны, как измерять ордер‑флоу и что реально можно внедрить за 2–4 недели. А вы какую задачу считаете более ценной для ИИ в инвестициях: направление или режим волатильности?