En enkel oversikt over kvantitativ analyse

Alle potensielle høyder, lavheter og følelser knyttet til investering kan overskygge det endelige målet: å tjene penger. For å fokusere på sistnevnte og eliminere den førstnevnte, søker den "kvantitative" tilnærmingen til investering å være oppmerksom på tallene i stedet for de immaterielle.

Skriv inn "Quants"

Harry Markowitz blir generelt kreditert med å starte den kvantitative investeringsbevegelsen da han publiserte et "Portfolio Selection" i Journal of Finance i mars 1952. Markowitz brukte matematikk for å kvantifisere diversifisering og ble sitert som en tidlig adopterer av konseptet om at matematiske modeller kunne være brukt på investering.

Robert Merton, en pioner innen moderne finansiell teori, vant en nobelpris for sin arbeidsforskning i matematiske metoder for prisfastsetting av derivater. Arbeidet til Markowitz og Merton la grunnlaget for den kvantitative (kvant) tilnærmingen til investering.

I motsetning til tradisjonelle kvalitative investeringsanalytikere, besøker ikke selskap selskaper, møter ledergruppene eller forsker på produktene firmaene selger for å identifisere et konkurransefortrinn. De vet ofte ikke eller bryr seg om de kvalitative aspektene ved selskapene de investerer i, og er avhengige av matematikk for å ta investeringsbeslutninger.

Hva gjør en kvantitativ analytiker?

Hedgefondforvaltere tok til seg metodikken og fremskrittene innen datateknologi som videreutviklet feltet, da komplekse algoritmer kunne beregnes på et øyeblikk. Feltet blomstret under dotcom-boom og -bust, ettersom kvanter stort sett unngikk vanviddet av teknisk byste og markedskrasj.

Mens de snublet i den store resesjonen, er kvantestrategier fortsatt i bruk i dag og har fått betydelig oppmerksomhet for sin rolle i høyfrekvent handel (HFT) som er avhengig av matematikk for å ta beslutninger om handel. Kvantitativ investering blir også mye praktisert både som en frittstående disiplin og i forbindelse med tradisjonell kvalitativ analyse for både avkastningsforbedring og risikoredusering.

Data, data overalt

Fremveksten av datatiden gjorde det mulig å knuse enorme datamengder i ekstremt korte perioder. Dette har ført til stadig mer komplekse kvantitative handelsstrategier, ettersom handelsmenn prøver å identifisere konsistente mønstre, modellere disse mønstrene og bruke dem til å forutsi kursbevegelser i verdipapirer.

Kvantene implementerer strategiene sine ved å bruke offentlig tilgjengelige data. Identifiseringen av mønstre gjør det mulig for dem å sette opp automatiske triggere for å kjøpe eller selge verdipapirer.

For eksempel kan en handelsstrategi basert på handelsvolummønstre ha identifisert en sammenheng mellom handelsvolum og priser. Så hvis handelsvolumet på en bestemt aksje stiger når aksjekursen treffer $ 25 per aksje og synker når kursen treffer $ 30, kan en kvantitet sette opp et automatisk kjøp til $ 25, 50 og automatisk selge til $ 29, 50.

Lignende strategier kan være basert på inntjening, inntjeningsprognoser, inntjeningsoverraskelser og en rekke andre faktorer. I begge tilfeller bryr ikke rene kvantører seg om selskapets salgsperspektiver, lederteam, produktkvalitet eller andre aspekter av virksomheten. De legger inn sine ordre om å kjøpe og selge basert på tallene som står for i mønstrene de har identifisert.

Identifisere mønstre for å redusere risiko

Kvantitativ analyse kan brukes til å identifisere mønstre som kan låne seg til lønnsomme sikkerhetshandler, men det er ikke den eneste verdien. Selv om det å tjene penger er et mål enhver investor kan forstå, kan kvantitativ analyse også brukes til å redusere risiko.

Utøvelsen av såkalt “risikojustert avkastning” innebærer å sammenligne risikotiltak som alfa, beta, r-kvadrat, standardavvik og Sharpe-forholdet for å identifisere investeringen som vil gi det høyeste avkastningsnivået for det gitte nivået på Fare. Tanken er at investorene ikke skal ta mer risiko enn det som er nødvendig for å oppnå deres målrettede avkastningsnivå.

Så hvis dataene viser at to investeringer sannsynligvis vil gi tilsvarende avkastning, men at en vil være betydelig mer ustabil når det gjelder opp- og nedprissvingninger, vil spørsmålene (og sunn fornuft) anbefale den mindre risikable investeringen. Igjen bryr ikke spurterne seg om hvem som forvalter investeringen, hvordan balansen ser ut, hvilket produkt som hjelper det å tjene penger eller noen annen kvalitativ faktor. De fokuserer helt på tallene og velger den investeringen som (matematisk sett) tilbyr det laveste nivået av risiko.

Risikoparitetsporteføljer er et eksempel på kvantebaserte strategier i handling. Det grunnleggende konseptet innebærer å ta beslutninger om allokering av eiendeler basert på markedsvolatilitet. Når volatiliteten synker, øker risikotakingen i porteføljen. Når volatiliteten øker, faller nivået på risikotaking i porteføljen.

For å gjøre eksemplet litt mer realistisk, bør du vurdere en portefølje som deler eiendelene mellom kontanter og et S&P 500 indeksfond. Ved å bruke Chicago Board Options Exchange Volatility Index (VIX) som en fullmakt for volatilitet i aksjemarkedet, når volatiliteten øker, ville vår hypotetiske portefølje skifte eiendeler mot kontanter. Når volatiliteten synker, vil porteføljen vår flytte eiendeler til S&P 500 indeksfond. Modeller kan være betydelig mer sammensatte enn de vi refererer til her, kanskje inkludert aksjer, obligasjoner, råvarer, valutaer og andre investeringer, men konseptet forblir det samme.

Fordelene med kvantehandel

Mengdehandel er en uformal beslutningsprosess. Mønstrene og tallene er alle som betyr noe. Det er en effektiv kjøp / salg disiplin, som kan utføres konsekvent, uhemmet av følelser som ofte er forbundet med økonomiske beslutninger.

Det er også en kostnadseffektiv strategi. Siden datamaskiner gjør arbeidet, trenger ikke firmaer som er avhengige av kvantestrategier, ansette store, dyre team av analytikere og porteføljeforvaltere. De trenger heller ikke å reise rundt i landet eller i verden for å inspisere selskaper og møte med ledelsen for å vurdere potensielle investeringer. De bruker datamaskiner for å analysere dataene og utføre handler.

Hva er risikoen?

“Løgner, forbannede løgner og statistikk” er et sitat som ofte brukes for å beskrive de mange måtene man kan manipulere med data på. Mens kvantitative analytikere søker å identifisere mønstre, er prosessen på ingen måte idiotsikker. Analysen innebærer å kaste gjennom store mengder data. Å velge riktige data er på ingen måte en garanti, på samme måte som mønstre som ser ut til å antyde at visse resultater kan fungere perfekt til de ikke gjør det. Selv når et mønster ser ut til å fungere, kan validering av mønstrene være en utfordring. Som alle investorer vet, er det ingen sikre spill.

Bøyningspunkter, som nedgangen i aksjemarkedet 2008-09, kan være tøffe med disse strategiene, da mønstre plutselig kan endre seg. Det er også viktig å huske at data ikke alltid forteller hele historien. Mennesker kan se en skandale eller ledelsesendring når den utvikler seg, mens en rent matematisk tilnærming ikke nødvendigvis kan gjøre det. Dessuten blir en strategi mindre effektiv ettersom stadig flere investorer forsøker å ansette den. Mønstre som fungerer vil bli mindre effektive etter hvert som flere og flere investorer prøver å tjene på det.

Bunnlinjen

Mange investeringsstrategier bruker en blanding av både kvantitative og kvalitative strategier. De bruker kvantestrategier for å identifisere potensielle investeringer og bruker deretter kvalitativ analyse for å ta sin forskningsinnsats til neste nivå i å identifisere den endelige investeringen.

De kan også bruke kvalitativ innsikt for å velge investeringer og kvantedata for risikostyring. Selv om både kvantitative og kvalitative investeringsstrategier har sine talsmenn og sine kritikere, trenger ikke strategiene å være utelukkende.