Простий огляд кількісного аналізу

Всі потенційні максимуми, мінімуми та настрої, пов'язані з інвестуванням, можуть затьмарити кінцеву мету: заробляти гроші. Щоб зосередити увагу на останньому та усунути перший, «кількісний» підхід до інвестування прагне звернути увагу на числа, а не на нематеріальні.

Введіть "Кванти"

Гаррі Марковіцу, як правило, приписують рух кількісного інвестування, коли він опублікував «Вибір портфоліо» у « Журналі фінансів» у березні 1952 року. Марковіц використовував математику для кількісної оцінки диверсифікації та називається ранньою прихильником концепції про те, що математичні моделі можуть бути застосовується до інвестування.

Роберт Мертон, піонер сучасної фінансової теорії, отримав Нобелівську премію за свої роботи з вивчення математичних методів ціноутворення похідних. Робота Марковіца та Мертона заклала основу кількісного (квантового) підходу до інвестування.

На відміну від традиційних якісних аналітиків інвестицій, учасники не відвідують компанії, не зустрічаються з керівними командами або не досліджують продукцію, яку продають фірми, щоб визначити конкурентну перевагу. Вони часто не знають і не цікавляться якісними аспектами компаній, в які інвестують, покладаючись виключно на математику для прийняття інвестиційних рішень.

Що робить кількісний аналітик?

Менеджери хедж-фондів сприйняли методологію та прогрес у обчислювальній техніці, яка ще більше вдосконалювала цю галузь, оскільки складні алгоритми можна було обчислити мить. Поле процвітало під час буму та пориву dotcom, оскільки кванти значною мірою уникали шаленості технологічного пориву та краху ринку.

Поки вони натрапили на Велику рецесію, квантові стратегії залишаються в застосуванні і сьогодні привернули увагу до своєї ролі у високочастотній торгівлі (HFT), яка покладається на математику для прийняття торгових рішень. Кількісне інвестування також широко практикується як як окрема дисципліна, так і у поєднанні з традиційним якісним аналізом як для підвищення прибутку, так і для зменшення ризику.

Дані, дані скрізь

Підйом комп’ютерної ери дозволив розчавити величезні обсяги даних за надзвичайно короткі проміжки часу. Це призвело до все складніших кількісних стратегій торгівлі, оскільки торговці прагнуть визначити послідовні зразки, моделювати ці структури та використовувати їх для прогнозування руху цін на цінні папери.

Кванти реалізують свої стратегії, використовуючи загальнодоступні дані. Ідентифікація шаблонів дозволяє їм встановлювати автоматичні тригери для купівлі чи продажу цінних паперів.

Наприклад, торгова стратегія, заснована на шаблонах обсягу торгів, може виявити співвідношення між обсягом торгів та цінами. Отже, якщо обсяг торгів на певній акції зростає, коли ціна акцій досягає 25 доларів за акцію і падає, коли ціна досягає 30 доларів, квант може встановити автоматичну покупку на рівні 25, 50 доларів США та автоматичну продажу на рівні 29, 50 долара.

Подібні стратегії можуть базуватися на заробітках, прогнозах заробітку, сюрпризах прибутків та низці інших факторів. У кожному конкретному випадку чисті критерії торговців не хвилюються щодо перспектив продажу компанії, управлінської команди, якості продукції чи будь-якого іншого аспекту її бізнесу. Вони розміщують свої замовлення на купівлю та продаж, виходячи лише з числа, що відображаються у визначених ними моделях.

Визначення схем для зменшення ризику

Кількісний аналіз може бути використаний для виявлення шаблонів, які можуть піддаватися вигідній торгівлі цінними паперами, але це не єдина її цінність. Хоча заробляти гроші - це мета, яку може зрозуміти кожен інвестор, але кількісний аналіз також може бути використаний для зменшення ризику.

Досягнення так званих «коригуваних ризиків прибутків» передбачає порівняння заходів ризику, таких як альфа, бета, r-квадрат, стандартне відхилення та коефіцієнт Шарпа, щоб визначити інвестиції, які забезпечать найвищий рівень прибутковості для заданого рівня ризик. Ідея полягає в тому, що інвестори повинні ризикувати не більше, ніж необхідно для досягнення цільового рівня прибутку.

Отже, якщо дані виявляють, що дві інвестиції, ймовірно, принесуть аналогічну віддачу, але одна буде значно більш мінливою з точки зору коливань цін вгору і вниз, то кванти (і здоровий глузд) рекомендують менш ризиковані інвестиції. Знову ж таки, учасникам байдуже, хто управляє інвестицією, як виглядає її баланс, який продукт допомагає йому заробляти гроші чи будь-який інший якісний фактор. Вони повністю зосереджуються на числах і вибирають інвестиції, які (математично кажучи) пропонують найнижчий рівень ризику.

Портфелі паритетності ризику є прикладом дії на основі кількісних стратегій. Основна концепція включає прийняття рішень щодо розподілу активів на основі нестабільності ринку. Коли волатильність знижується, рівень ризику в портфелі збільшується. Коли волатильність зростає, рівень ризику в портфелі знижується.

Щоб зробити приклад трохи реалістичнішим, розглянемо портфель, який ділить його активи між грошовими коштами та індексним фондом S&P 500. Використовуючи індекс волатильності біржових опціонів у Чикаго (VIX) як проксі для нестабільності фондового ринку, коли волатильність зростає, наш гіпотетичний портфель змістить свої активи на грошові кошти. Коли волатильність знижується, наш портфель переведе активи на індексний фонд S&P 500. Моделі можуть бути значно складнішими за ту, про яку ми посилаємося тут, можливо, включаючи акції, облігації, товари, валюти та інші інвестиції, але концепція залишається тією ж.

Переваги кількісної торгівлі

Торгівля кількістю - це безпристрасний процес прийняття рішень. Шаблони та цифри - все, що має значення. Це ефективна дисципліна купівлі-продажу, як це можна виконувати послідовно, безперешкодно емоціям, часто пов'язаним з фінансовими рішеннями.

Це також економічно вигідна стратегія. Оскільки комп'ютери виконують свою роботу, фірмам, які покладаються на кількісні стратегії, не потрібно наймати великих, дорогих команд аналітиків та керівників портфелів. Також їм не потрібно подорожувати країною чи світом, оглядаючи компанії та зустрічаючись з керівництвом, щоб оцінити потенційні інвестиції. Вони використовують комп’ютери для аналізу даних та здійснення торгів.

Які ризики?

"Брехня, чортова брехня та статистика" - цитата, яка часто використовується для опису безлічі способів маніпулювання даними. Хоча кількісні аналітики прагнуть визначити закономірності, цей процес аж ніяк не є дурним. Аналіз передбачає обробку даних за допомогою великої кількості даних. Вибір правильних даних аж ніяк не є гарантією, так як моделі, які, як видається, підказують певні результати, можуть спрацьовувати ідеально, доки вони не стануть. Навіть коли модель, здається, працює, перевірка шаблонів може бути викликом. Як знає кожен інвестор, немає впевнених ставок.

Точки перегину, такі як спад на фондовому ринку 2008-09 рр., Можуть бути важкими для цих стратегій, оскільки закономірності можуть раптово змінитися. Також важливо пам’ятати, що дані не завжди розповідають всю історію. Люди можуть бачити скандал чи зміни в управлінні, коли він розвивається, тоді як чисто математичний підхід не обов'язково може цього зробити. Також стратегія стає менш ефективною, оскільки все більше інвесторів намагаються її використовувати. Моделі, які працюють, стануть менш ефективними, оскільки все більше інвесторів намагаються отримати від цього прибуток.

Суть

Багато інвестиційних стратегій використовують поєднання як кількісних, так і якісних стратегій. Вони використовують кількісні стратегії для виявлення потенційних інвестицій, а потім використовують якісний аналіз, щоб перевести свої наукові зусилля на наступний рівень у визначенні кінцевої інвестиції.

Вони також можуть використовувати якісне розуміння для вибору інвестицій та кількісних даних для управління ризиками. Хоча як кількісні, так і якісні інвестиційні стратегії мають своїх прихильників і своїх критиків, стратегії не повинні бути взаємовиключними.