Konkurs odbył się w dniach 20-22 lutego w Toronto. To była już 17-sta edycja. Wzięło w niej udział 47 drużyn, reprezentujących przodujące ośrodki naukowe z całego świata, w tym m.in.: Massachusetts Institute of Technology, Stanford University oraz Berkeley.
Konkurs składał się z kilku różnych zadań, wymagających połączenia wiedzy praktycznej i teoretycznej z zakresu rynków finansowych, modelowania matematycznego, programowania i ekonomii. Jest on rozgrywany na symulowanym rynku w czasie rzeczywistym, gdzie kluczowa jest umiejętność szybkiego dostosowania strategii do dynamicznie zmieniającej się sytuacji. - W tegorocznym RITC2020 było sześć różnych kategorii konkursowych: BP Commodities, Electricity Trading, Matlab Volatility, Liquidity Risk, Citadel Securities Algo i Quant Outcry. Zajęliśmy w nich odpowiednio: 5, 3, 2, 22, 16 i 11 miejsce, co finalnie dało nam piąte miejsce w całym konkursie – tłumaczy dr Robert Ślepaczuk, opiekun naukowy zespołu. Strategie opracowywane przez studentów były indywidualnie dopasowywane do poszczególnych zadań, ponieważ te ostatnie różniły się między sobą stopniem egzekucji zleceń i pobieranych danych. – Stosowaliśmy strategie w pełni automatyczne, półautomatyczne i takie w których studenci musieli egzekwować zlecenia ręcznie. Spośród narzędzi znanych w branży handlu algorytmicznego wykorzystywaliśmy m. in. momentum trading, statistical arbitrage, a także dynamic delta hedging – tłumaczy dr Ślepaczuk. Zapytany o klucz do sukcesu, wskazuje na zespół. - Doskonale przygotowaliśmy się do tego konkursu, wybierając najlepszych, dobrze zmotywowanych i przygotowanych do takiego zadania studentów, a następnie projektując algorytmy na bazie analizy opisanych przypadków i dostarczonego przez organizatorów środowiska tradingowego – wyjaśnia.
Zespół WNE UW tworzyli: Katarzyna Kryńska, Mateusz Kijewski, Michał Woźniak i Maciej Wysocki.
Czy stworzone przez nich strategie sprawdziłyby się na prawdziwym, a nie symulowanym rynku? - To bardzo trudne pytanie, z uwagi na to, że działanie algorytmów, szczególnie na danych wysokiej częstotliwości, w dużym stopniu zależy od niuansów i możliwości technicznych środowiska na którym działają. Generalne podstawy logiki przez nas wykorzystanej na pewno sprawdziłyby się w praktyce inwestycyjnej, ale przed puszczeniem konkretnych algorytmów należałoby szczegółowo sprawdzić ich działanie na konkretnym rynku oraz platformie inwestycyjnej – mówi dr Ślepaczuk.
