Розробка AI-системи ребалансування портфеля

Розробка AI-системи ребалансировки портфеля

Ребалансировка — повернення портфеля до цільових ваг після дрейфу. Найпростіша стратегія: раз в квартал продати те, що зросло, купити те, що впало. AI-підхід оптимізує час, частоту та метод ребалансировки з урахуванням витрат на угоди та податкових наслідків.

Чому час ребалансировки важливий

Calendar Rebalancing (щомісячно/щокварталу) — ігнорує умови ринку:

• На зростаючому ринку постійно продає зросши активи → drag
• На волатильному ринку може ребалансуватись перед розворотом

Threshold Rebalancing (при відхиленні > N%): краще, але все ще статичне правило.

Smart Rebalancing:

• Враховує transaction costs: не ребалансувати, якщо TC > очікуваної користі
• Використовує market timing сигнал: затримує ребалансировку при сильному тренді
• Податкова оптимізація: переважає продавати збиткові позиції (tax-loss harvesting)

Формалізація задачі

Вартість відхилення від цільових ваг:

def drift_cost(current_weights, target_weights, penalty=0.5):
    """
    Tracking error через дрейф: annualized vol × drift_magnitude
    """
    drift = current_weights - target_weights
    drift_variance = drift @ cov_matrix @ drift
    return np.sqrt(drift_variance * 252)

Вартість ребалансировки:

def rebalancing_cost(current_weights, new_weights, portfolio_value, tc=0.001):
    trades = np.abs(new_weights - current_weights)
    return trades.sum() * portfolio_value * tc

Оптимальна ребалансировка: мінімізувати drift_cost + rebalancing_cost + tax_cost.

AI-алгоритм оптимальної ребалансировки

Стохастичне управління (неперервний час): Оптимальна "no-trade zone" — діапазон ваг, в якому не ребалансуємо через TC. Рішення дифференціального рівняння (Almgren, 2005).

RL для ребалансировки:

# State: current_weights, target_weights, market_conditions
# Actions: [partial rebalance 50%, full rebalance, no action]
# Reward: -drift_cost - tc_cost + return_capture

class RebalancingEnv(gym.Env):
    def step(self, action):
        if action == 2:  # full rebalance
            cost = rebalancing_cost(self.weights, self.targets)
            self.weights = self.targets.copy()
        elif action == 1:  # partial rebalance
            self.weights = 0.5 * self.weights + 0.5 * self.targets
            cost = rebalancing_cost(self.weights, self.targets) * 0.5
        else:  # no action
            cost = 0

        self.weights = apply_market_returns(self.weights)
        reward = portfolio_return - cost - drift_penalty(self.weights, self.targets)
        return self.state, reward, done, {}

Tax-Loss Harvesting

Ключова можливість для оподатковуваних рахунків:

Принцип: продавати позиції зі збитками для фіксації tax loss, одночасно замінюючи на корельований актив (уникаючи wash-sale rule в США — 30-денне обмеження).

def tax_loss_harvesting(portfolio, tax_rate=0.20, wash_sale_window=30):
    """
    Ідентифікуємо позиції з нереалізованими збитками.
    Якщо tax_savings > transaction_costs → harvest.
    Замінюємо на корельований актив зі списку substitutes.
    """
    harvest_candidates = []
    for ticker, position in portfolio.items():
        unrealized_loss = position.unrealized_pnl
        if unrealized_loss < 0:
            tax_benefit = abs(unrealized_loss) * tax_rate
            tc = abs(unrealized_loss) * 0.001  # 10 bps TC
            if tax_benefit > tc:
                harvest_candidates.append({
                    'ticker': ticker,
                    'net_benefit': tax_benefit - tc,
                    'substitute': find_substitute(ticker)
                })
    return harvest_candidates

Backtesting показує: автоматичний tax-loss harvesting додає 0.5-1.5% after-tax returns щорічно.

Drift Monitoring та триггери

Неперервний моніторинг:

def check_rebalance_triggers(current_weights, target_weights, thresholds):
    drift = np.abs(current_weights - target_weights)

    # Threshold триггери
    if drift.max() > thresholds['single_asset']:  # e.g., 5%
        return 'REBALANCE_PARTIAL'

    if (current_weights / target_weights).max() > thresholds['concentration']:  # e.g., 1.5×
        return 'REBALANCE_FULL'

    # Correlation breakdown триггер (кризис detection)
    if regime == 'crisis' and drift.sum() > thresholds['crisis_drift']:
        return 'REBALANCE_IMMEDIATE'

    return 'NO_ACTION'

Алерти:

• Щоденна перевірка ваг → якщо дрейф > 3% → warning
• Щотижневий звіт: поточні vs. цільові ваги, рекомендації
• Автоматичне виконання при перевищенні critical threshold (конфігурується)

Інтеграція з брокером

Prime Broker / Custody:

• Interactive Brokers API: FIX protocol + REST API для реальних ордерів
• Alpaca: REST API, доступна для автоматичної торгівлі
• Saxo Bank / Dukascopy: FIX + REST для інституційних клієнтів

Workflow:

1. Розрахунок поточних ваг (ринкова вартість позиції / NAV)
2. AI-рішення: ребалансувати чи ні
3. Розрахунок ордерів (net difference, round-lot)
4. Відправлення ордерів через брокерський API
5. Підтвердження виконання, оновлення book

Часовая шкала: threshold-based ребалансировка з TC-optimization — 2-3 тижні. RL-агент з tax harvesting та broker integration — 8-12 тижнів.