Vienkāršs kvantitatīvās analīzes pārskats

Visi ar investīcijām saistītie iespējamie augstumi, kritumi un uzskati var aizēnot galveno mērķi: pelnīt naudu. Lai koncentrētos uz pēdējo un izslēgtu pirmo, “kvantitatīvā” pieeja ieguldījumiem cenšas pievērst uzmanību skaitļiem, nevis nemateriālajiem aktīviem.

Ievadiet “Kvanti”

Harijs Markovičs parasti tiek kreditēts ar kvantitatīvās investīciju kustības sākšanu, kad 1952. gada martā publicēja “Portfeļa atlasi” Finanšu žurnālā . Markovičs izmantoja matemātiku, lai kvantitatīvi novērtētu diversifikāciju, un tiek minēts kā agrīns koncepcijas, kas varētu būt matemātiskie modeļi, pieņēmējs. piemēro ieguldījumiem.

Roberts Mertons, mūsdienu finanšu teorijas pionieris, ieguva Nobela prēmiju par darbu, kas veikts matemātisko metožu izpētē atvasinājumu cenu noteikšanai. Markoviča un Mertona darbs lika pamatus kvantitatīvajai (kvantitatīvajai) pieejai ieguldījumiem.

Atšķirībā no tradicionālajiem kvalitatīvajiem investīciju analītiķiem kvanti neapmeklē uzņēmumus, nesatiekas ar vadības komandām vai nemeklē produktus, ko firmas pārdod, lai noteiktu konkurences priekšrocības. Viņi bieži nezina vai nedomā par to uzņēmumu kvalitatīvajiem aspektiem, kuros viņi iegulda, paļaujoties tikai uz matemātiku, lai pieņemtu lēmumus par ieguldījumiem.

Ko dara kvantitatīvais analītiķis?

Riska ieguldījumu fondu pārvaldnieki izmantoja metodoloģiju un jaunākās skaitļošanas tehnoloģijas, kas vēl vairāk attīstīja jomu, jo sarežģītus algoritmus varēja aprēķināt vienā acumirklī. Lauks uzplauka dotcom uzplaukuma un uzplaukuma laikā, jo kantori lielā mērā izvairījās no tehnoloģiju uzplaukuma neprāta un tirgus sabrukuma.

Kamēr viņi paklupuši Lielajā recesijā, kvantitātes stratēģijas joprojām tiek izmantotas un ir guvušas ievērojamu uzmanību par savu lomu augstfrekvences tirdzniecībā (HFT), kuras pamatā ir matemātika, pieņemot tirdzniecības lēmumus. Kvantitatīvie ieguldījumi tiek plaši praktizēti gan kā atsevišķa disciplīna, gan saistībā ar tradicionālo kvalitatīvo analīzi gan ienesīguma palielināšanai, gan riska mazināšanai.

Dati, dati visur

Datoru laikmeta sākšanās ļāva ārkārtīgi īsā laika posmā sagraut milzīgus datu apjomus. Tas ir novedis pie arvien sarežģītākām kvantitatīvām tirdzniecības stratēģijām, jo ​​tirgotāji cenšas identificēt konsekventus modeļus, modelēt šos modeļus un izmantot tos, lai prognozētu vērtspapīru cenu izmaiņas.

Kvantāti īsteno savas stratēģijas, izmantojot publiski pieejamus datus. Šablonu identificēšana ļauj viņiem iestatīt automātiskus vērtspapīru pirkšanas vai pārdošanas aktivizētājus.

Piemēram, tirdzniecības stratēģijā, kas balstīta uz tirdzniecības apjoma modeļiem, iespējams, ir identificēta korelācija starp tirdzniecības apjomu un cenām. Tātad, ja tirdzniecības apjoms noteiktā akcijā palielinās, kad akcijas cena sasniedz 25 USD par akciju, un krītas, kad cena sasniedz 30 USD, kvantitāte var iestatīt automātisku pirkšanu USD 25, 50 un automātisku pārdošanu USD 29, 50 apmērā.

Līdzīgas stratēģijas var balstīt uz ieņēmumiem, ieņēmumu prognozēm, ieņēmumu pārsteigumiem un daudziem citiem faktoriem. Katrā ziņā tīri kvanttirgotāji nerūpējas par uzņēmuma pārdošanas iespējām, vadības komandu, produktu kvalitāti vai jebkuru citu tā biznesa aspektu. Viņi pasūtījumus pērk un pārdod, stingri balstoties uz skaitļiem, kas ņemti vērā viņu noteiktajos modeļos.

Riska samazināšanas modeļu identificēšana

Kvantitatīvo analīzi var izmantot, lai identificētu modeļus, kuri varētu būt izdevīgi vērtspapīru darījumiem, taču tā nav vienīgā vērtība. Kaut arī naudas pelnīšana ir mērķis, kuru var saprast katrs ieguldītājs, riska mazināšanai var izmantot arī kvantitatīvo analīzi.

Tā saukto “ar risku koriģētās atdeves” sasniegšana ietver tādu riska mēru salīdzināšanu kā alfa, beta, r-kvadrāts, standartnovirze un Šarpe koeficients, lai noteiktu ieguldījumu, kas nodrošinās visaugstāko atdevi no dotā līmeņa. risks. Ideja ir tāda, ka ieguldītājiem nav jāuzņemas lielāks risks, nekā nepieciešams, lai sasniegtu plānoto atdeves līmeni.

Tātad, ja dati atklāj, ka divi ieguldījumi, visticamāk, radīs līdzīgu atdevi, bet viens būs ievērojami nepastāvīgāks attiecībā uz cenu svārstībām augšup un lejup, lielumi (un veselais saprāts) ieteiks mazāk riskantu ieguldījumu. Atkal kvantiem nav svarīgi, kas pārvalda ieguldījumu, kāda ir tā bilance, kāds produkts palīdz tam nopelnīt naudu vai kāds cits kvalitatīvs faktors. Viņi pilnībā koncentrējas uz skaitļiem un izvēlas ieguldījumu, kas (matemātiski runājot) piedāvā viszemāko riska pakāpi.

Riska paritātes portfeļi ir uz kvantitāti balstītu stratēģiju piemērs darbībā. Pamatkoncepcija ietver aktīvu sadales lēmumu pieņemšanu, pamatojoties uz tirgus nepastāvību. Kad svārstīgums samazinās, portfeļa riska uzņemšanās līmenis paaugstinās. Kad svārstīgums palielinās, portfeļa riska uzņemšanās līmenis pazeminās.

Lai piemērs būtu nedaudz reālāks, apsveriet portfeli, kas savus aktīvus sadala starp skaidru naudu un S&P 500 indeksa fondu. Izmantojot Čikāgas valdes opciju biržas nepastāvības indeksu (VIX) kā starpnieku akciju tirgus nepastāvībai, kad nepastāvība palielinās, mūsu hipotētiskais portfelis pārvērstu savus aktīvus naudas izteiksmē. Kad svārstīgums samazinās, mūsu portfelis novirzītu aktīvus uz S&P 500 indeksa fondu. Modeļi var būt ievērojami sarežģītāki nekā šeit minētie, iespējams, ietverot akcijas, obligācijas, preces, valūtas un citas investīcijas, taču koncepcija paliek tā pati.

Kvantitatīvas tirdzniecības priekšrocības

Tirdzniecības kvantitāte ir izmisīgs lēmumu pieņemšanas process. Svarīgi ir modeļi un skaitļi. Tā ir efektīva pirkšanas / pārdošanas disciplīna, kā to var konsekventi izpildīt, netraucējot emocijām, kuras bieži vien ir saistītas ar finanšu lēmumiem.

Tā ir arī rentabla stratēģija. Tā kā datori veic darbu, firmām, kas paļaujas uz kvantitātes stratēģijām, nav jāalgo lielas, dārgas analītiķu komandas un portfeļu pārvaldnieki. Viņiem arī nav jāceļo pa valsti vai pasauli, pārbaudot uzņēmumus un tiekoties ar vadību, lai novērtētu iespējamās investīcijas. Viņi izmanto datorus, lai analizētu datus un veiktu darījumus.

Kādi ir riski?

“Meli, sasodīti meli un statistika” ir citāts, ko bieži izmanto, lai aprakstītu neskaitāmas iespējas, kā ar datiem var manipulēt. Kaut arī kvantitatīvie analītiķi cenšas noteikt modeļus, process nekādā ziņā nav drošs par muļķi. Analīze ietver izkaušanu, izmantojot lielu datu daudzumu. Pareiza datu izvēle nekādā ziņā nav garantija, tāpat kā modeļi, kas liek domāt par noteiktiem rezultātiem, var darboties nevainojami, kamēr tie to nedara. Pat ja šķiet, ka modelis darbojas, šo modeļu apstiprināšana var būt izaicinājums. Kā zina katrs ieguldītājs, pārliecību nav par likmēm.

Liecības, piemēram, akciju tirgus lejupslīde 2008. – 2009. Gadā, var būt smagas attiecībā uz šīm stratēģijām, jo ​​modeļi var pēkšņi mainīties. Ir arī svarīgi atcerēties, ka dati ne vienmēr stāsta visu stāstu. Cilvēki var redzēt skandālu vai vadības izmaiņas, kad tas attīstās, savukārt tīri matemātiska pieeja to noteikti nevar darīt. Turklāt stratēģija kļūst mazāk efektīva, jo arvien vairāk investoru mēģina to izmantot. Strādājošie modeļi kļūs mazāk efektīvi, jo arvien vairāk investoru mēģinās no tā gūt labumu.

Grunts līnija

Daudzās ieguldījumu stratēģijās tiek izmantots gan kvantitatīvās, gan kvalitatīvās stratēģijas. Viņi izmanto kvantitātes stratēģijas, lai identificētu potenciālos ieguldījumus, un pēc tam izmanto kvalitatīvu analīzi, lai veiktu savus pētniecības centienus nākamajā līmenī, nosakot galīgos ieguldījumus.

Viņi var arī izmantot kvalitatīvu ieskatu, lai atlasītu ieguldījumus un kvantitatīvos datus riska pārvaldībai. Lai gan kvantitatīvajai un kvalitatīvajai ieguldījumu stratēģijai ir savi atbalstītāji un kritiķi, tām nav jābūt savstarpēji izslēdzošām.