ИИ и «независимые события»: меньше риска, больше смысла

В 2025 году многие частные инвесторы и даже профи продолжают путать два слова: «независимость» и «некоррелированность». Ошибка дорогая — особенно в декабре, когда рынки часто становятся тоньше по ликвидности, а резкие движения на новостях случаются чаще. Самый неприятный сценарий выглядит так: вы «диверсифицировали» портфель, а в момент стресса всё падает одновременно. Не потому что «рынок несправедлив», а потому что вы измеряли не то.

Вот моя позиция: в инвестициях важнее искать не красивые истории про «разные активы», а разные источники риска. И здесь статистика — не академическая формальность, а инструмент выживания. А искусственный интеллект в инвестициях (и в целом data science) полезен тем, что помогает отделить реальную независимость от иллюзий, увидеть нелинейные связи и вовремя заметить, что «старые корреляции» перестали работать.

Независимость, корреляция и коинтеграция: что именно вы измеряете

Короткий ответ: независимость — это отсутствие влияния вообще, корреляция — линейная совместная динамика доходностей, коинтеграция — долгосрочная «связка» цен.

Независимые события: строгий смысл

Два события независимы, если наступление одного не меняет вероятность другого. В терминах вероятностей это записывается просто:

• если события независимы, то P(A и B) = P(A) × P(B)

В инвестиционной реальности «идеальной» независимости почти не бывает. Но сама идея полезна: если ваши источники доходности зависят от одного и того же драйвера, портфель будет ломаться синхронно.

Корреляция: быстрый индикатор, но с характером

Корреляция отвечает на вопрос: доходности двух активов чаще движутся вместе или в разные стороны? Она лежит в диапазоне от -1 до +1.

• +1 — в среднем «шаг в шаг» в одном направлении
• -1 — зеркально противоположно
• 0 — нет линейной связи

Главный подвох: корреляция — это не независимость. Нулевая корреляция может означать нелинейную зависимость (например, «U-образную»), когда линейная метрика просто не видит связи.

Коинтеграция: якорь в долгом горизонте

Коинтеграция — это про то, что две цены могут «гулять» как хотят, но их комбинация (например, спред) стремится возвращаться к устойчивому среднему. Это фундамент для парного трейдинга и многих market-neutral подходов.

Если корреляция — это «кто рядом шагает», то коинтеграция — «кто связан резинкой». На коротком отрезке резинка растягивается, но не рвётся (по крайней мере, так было в истории — пока режим не сменился).

Сниппет для памяти: независимость — про отсутствие предсказуемости, корреляция — про линейную совместность, коинтеграция — про долгосрочное равновесие.

Почему «почти независимые» активы вдруг становятся зависимыми

Прямой ответ: в стресс-периоды рынки синхронизируются из‑за общих факторов: ликвидность, маржин-коллы, бегство в качество, регуляторные решения.

Теория портфеля (в духе классического подхода к диверсификации) работает лучше всего, когда:

1. драйверы активов действительно различаются;
2. режим рынка стабилен;
3. ликвидность не исчезает.

Но в моменты шока происходит типичное:

• фонды закрывают риск везде, где могут;
• инвесторы продают «то, что можно продать», а не «то, что надо»;
• корреляции «схлопываются» к единице.

Именно поэтому я не верю в диверсификацию «по названиям» (10 разных тикеров), но верю в диверсификацию по факторам: инфляционный риск, процентный риск, сырьевой цикл, кредитный риск, валютный риск, риск ликвидности.

Где ИИ реально помогает: от иллюзий к проверяемым отношениям

Главный тезис: ИИ в финансовых инвестициях полезен не тем, что «угадывает рынок», а тем, что системно измеряет зависимости и их изменения.

1) Поиск нелинейных зависимостей (там, где корреляция молчит)

Линейная корреляция легко пропускает случаи, когда связь проявляется только в крайних движениях. Для риск-менеджмента это критично.

Практика, которая обычно работает:

• считать не только Pearson-корреляцию, но и ранговые меры (Spearman);
• смотреть зависимости в хвостах распределений (условные корреляции «в падениях»);
• сегментировать по режимам (спокойный рынок vs. стресс).

ИИ/ML здесь полезен как «многофункциональный фильтр»: кластеризация режимов, обнаружение смены режима, модели, которые допускают нелинейность.

2) Динамические корреляции вместо «одной цифры навсегда»

Если вы однажды посчитали корреляцию за год и успокоились — вы уже опоздали. Корреляция — величина подвижная.

То, что я вижу у сильных команд:

• скользящие окна (например, 20/60/120 торговых дней);
• контроль «скачков корреляций» как отдельного риска;
• ограничения в аллокации, которые включаются при росте зависимости.

ИИ-слой добавляет автоматизацию: система сама сигнализирует, что отношения «сломались» и портфель больше не market-neutral.

3) Коинтеграция для market-neutral и парных стратегий

Коинтеграция особенно важна, если вы строите:

• пары (pairs trading),
• статистический арбитраж,
• спредовые конструкции,
• хеджирование «точнее, чем просто шорт индекса».

ИИ здесь помогает в подборе пар (поиск кандидатов в большом универсуме), мониторинге стабильности спреда и фильтрации ложных сигналов. Но ключевое — дисциплина: даже коинтеграция может исчезнуть при структурном сдвиге (новые налоги, изменение бизнес-модели, санкционные риски, смена регуляции).

«Ложная диверсификация»: типичные ошибки, которые встречаю чаще всего

Ответ без дипломатии: большинство портфелей диверсифицированы по ярлыкам, но не по рискам.

Ошибка 1: «они разные компании — значит, независимы»

Две компании из одного сектора часто имеют общий драйвер: цена сырья, ставка, спрос, государственные заказы. Названия разные — риск один.

Ошибка 2: «корреляция около нуля — значит, можно не думать»

Ноль по Pearson может скрывать:

• нелинейную зависимость;
• зависимость в хвостах (в кризис «всё вместе»);
• запаздывающие эффекты (один актив реагирует позже).

Ошибка 3: «пара работала 3 месяца — значит, будет работать всегда»

Коинтеграция и связи в данных — это не вечный закон природы. Это историческое свойство, которое нужно непрерывно мониторить.

Практический чек‑лист: как применять независимость в стратегии и в портфеле

Суть: ищите независимость как свойство источников доходности, проверяйте зависимость в стрессах, мониторьте изменение режима.

1. Определите, что вы диверсифицируете: тикеры или факторы риска.
2. Считайте корреляции на нескольких горизонтах: 1 месяц, 3 месяца, 12 месяцев — и сравнивайте.
3. Добавьте «стресс-линзу»: корреляция в дни сильных падений рынка важнее средней.
4. Если строите market-neutral: проверяйте коинтеграцию и устойчивость спреда, задайте правила выхода при распаде связи.
5. Автоматизируйте мониторинг: алерты на рост зависимости, пересчёт моделей, контроль дрейфа параметров.

Фраза, которую стоит записать: диверсификация — это не количество активов, а количество независимых причин, по которым вы можете заработать.

Как это вписывается в серию «Искусственный интеллект в финансовых инвестициях»

В этой серии мы регулярно возвращаемся к одному и тому же: ИИ не заменяет инвестиционную логику, он дисциплинирует её. Тема независимых событий — фундаментальная. На ней строятся:

• более честная диверсификация,
• хеджирование без самообмана,
• market-neutral стратегии,
• аллокация по риску (risk parity),
• контроль режимов рынка.

Если вы хотите, чтобы портфель вёл себя предсказуемо, придётся принять простую мысль: статистические связи — это динамика, а не константа. И именно здесь ИИ и алгоритмы дают практическое преимущество — не магией, а регулярными измерениями и быстрыми реакциями.

Что вы проверите в своём портфеле на следующей неделе: корреляции, зависимости в стрессах или устойчивость парных связей?