Paprasta kiekybinės analizės apžvalga

Visi su investavimu susiję aukštumai, nuosmukiai ir jausmai gali nustelbti aukščiausią tikslą: užsidirbti pinigų. Norėdami sutelkti dėmesį į pastarąjį ir panaikinti pirmąjį, „kiekybiniu“ požiūriu į investavimą siekiama atkreipti dėmesį į skaičius, o ne į nematerialųjį turtą.

Įveskite „Quants“

Haris Markowitzas paprastai yra įvardijamas kaip kiekybinio investavimo judėjimo pradžia, kai 1952 m. Kovo mėn. Jis „ Finansų žurnale “ paskelbė „Portfelio atranką“. Markowitz matematikai naudojo įvairinimo įvaizdį ir yra minimas kaip ankstyvas požiūris, kad matematiniai modeliai galėtų būti pritaikytas investuojant.

Robertas Mertonas, šiuolaikinės finansų teorijos pradininkas, laimėjo Nobelio premiją už savo darbą, susijusį su išvestinių finansinių priemonių kainų nustatymo matematiniais metodais. Markowitzo ir Mertono darbai padėjo pagrindą kiekybiniam (kvantiniam) požiūriui į investavimą.

Skirtingai nuo tradicinių kokybinių investicijų analitikų, kvantai nesilanko įmonėse, nesusitinka su vadovų komandomis ir netiria įmonių parduodamų produktų, kad nustatytų konkurencinį pranašumą. Jie dažnai nežino, kokie yra įmonių, į kurias investuoja, kokybiniai aspektai, ir tikisi matematikos priimdami investicinius sprendimus.

Ką veikia kiekybinis analitikas?

Rizikos draudimo fondų valdytojai priėmė skaičiavimo technologijos metodiką ir pažangą, kuri dar labiau pažengė į priekį, nes sudėtingi algoritmai galėjo būti apskaičiuojami akimirksniu. Laukas klestėjo per „dotcom“ bumą ir biustą, nes krantai iš esmės išvengė technikos biuro nuojautos ir rinkos krizės.

Nors kvantinės strategijos suklupo per Didįjį nuosmukį, jos vis dar naudojamos šiandien ir sulaukė pastebimo dėmesio dėl savo vaidmens aukšto dažnio prekyboje (HFT), kuri priklauso nuo matematikos priimant prekybos sprendimus. Kiekybinis investavimas taip pat yra plačiai praktikuojamas tiek kaip atskira disciplina, tiek kartu su tradicine kokybine analize, siekiant padidinti grąžą ir sumažinti riziką.

Duomenys, duomenys visur

Įsibėgėjusi kompiuterių era leido per trumpą laiką sugadinti didžiulį duomenų kiekį. Tai paskatino vis sudėtingesnes kiekybines prekybos strategijas, nes prekybininkai siekia nustatyti nuoseklius modelius, modeliuoti tuos modelius ir naudoti juos vertybinių popierių kainų pokyčiams numatyti.

Kvantai įgyvendina savo strategijas naudodamiesi viešai prieinamais duomenimis. Identifikuodami modelius jie gali nustatyti automatinius vertybinių popierių pirkimo ar pardavimo iniciatorius.

Pvz., Prekybos strategija, pagrįsta prekybos apimties modeliais, galėjo nustatyti koreliaciją tarp prekybos apimties ir kainų. Taigi, jei tam tikros akcijos prekybos apimtys padidėja, kai akcijų kaina siekia 25 USD už akciją, ir krinta, kai kaina siekia 30 USD, kvantai gali nustatyti automatinį pirkimą 25, 50 USD, o automatinį pardavimą - 29, 50 USD.

Panašios strategijos gali būti pagrįstos uždarbiu, uždarbio prognozėmis, uždarbio netikėtumais ir daugybe kitų veiksnių. Kiekvienu atveju gryniems kvantų prekybininkams nerūpi bendrovės pardavimo perspektyvos, vadybos komanda, produkto kokybė ar bet kuris kitas jos verslo aspektas. Jie pateikia savo pirkimo ir pardavimo užsakymus, griežtai remdamiesi skaičiais, nurodytais pagal nustatytus modelius.

Rizikos mažinimo modelių nustatymas

Kiekybinė analizė gali būti naudojama nustatant modelius, kurie gali būti naudingi vertybinių popierių prekybai, tačiau tai nėra vienintelė jo vertė. Nors uždirbti pinigų yra kiekvieno investuotojo suprantamas tikslas, kiekybinė analizė taip pat gali būti naudojama rizikai sumažinti.

Siekiant vadinamosios „pagal riziką pakoreguotos grąžos“, reikia palyginti tokias rizikos priemones kaip alfa, beta, r-kvadratas, standartinis nuokrypis ir „Sharpe“ santykis, kad būtų galima nustatyti investicijas, kurios duos aukščiausią grąžą iš nurodyto lygio. rizikuoti. Idėja yra ta, kad investuotojai neturėtų prisiimti daugiau rizikos, nei būtina norint pasiekti numatytą grąžos lygį.

Taigi, jei iš duomenų paaiškėja, kad tikėtina, kad dvi investicijos duos panašią grąžą, tačiau viena bus žymiai nepastovesnė, jei kainos svyruos aukštyn ir žemyn, kainos (ir sveikas protas) rekomenduos mažiau rizikingą investiciją. Vėlgi, kvantams nerūpi, kas valdo investicijas, kaip atrodo jos balansas, koks produktas padeda uždirbti pinigų ar koks nors kitas kokybinis faktorius. Jie visą dėmesį skiria skaičiams ir pasirenka tokią investiciją, kuri (matematiškai kalbant) kelia mažiausią rizikos lygį.

Rizikos pariteto portfeliai yra kiekybinių strategijų pavyzdys. Pagrindinė sąvoka apima turto paskirstymo sprendimų priėmimą atsižvelgiant į rinkos nepastovumą. Kai kintamumas kinta, rizika portfelyje didėja. Padidėjus nepastovumui, portfelio rizikavimo lygis mažėja.

Norėdami, kad pavyzdys būtų šiek tiek tikroviškesnis, apsvarstykite portfelį, kuris paskirsto jo turtą tarp grynųjų ir „S&P 500“ indekso fondo. Naudodamiesi Čikagos valdybos opcionų biržos nepastovumo indeksu (VIX) kaip akcijų rinkos kintamumo tarpinį rodiklį, kai kintamumas padidėja, mūsų hipotetinis portfelis pakeistų savo turtą grynųjų pinigų link. Kai kintamumas sumažės, mūsų portfelis perkels turtą į „S&P 500“ indekso fondą. Modeliai gali būti žymiai sudėtingesni nei tas, į kurį mes remiamės, galbūt įtraukdami akcijas, obligacijas, biržos prekes, valiutas ir kitas investicijas, tačiau koncepcija išlieka ta pati.

„Quant Trading“ pranašumai

Prekyba dideliu kiekiu yra beviltiškas sprendimų priėmimo procesas. Visi modeliai ir skaičiai yra svarbūs. Tai veiksminga pirkimo / pardavimo disciplina, kurią galima vykdyti nuosekliai, netrukdant emocijoms, dažnai susijusioms su finansiniais sprendimais.

Tai taip pat ekonomiškai efektyvi strategija. Kadangi darbą atlieka kompiuteriai, firmoms, kurios remiasi kiekybinėmis strategijomis, nereikia samdyti didelių, brangių analitikų komandų ir portfelio valdytojų. Jiems taip pat nereikia keliauti po šalį ar pasaulį, tikrinant įmones ir susitikti su vadovybe, kad būtų įvertintos galimos investicijos. Jie naudoja kompiuterius duomenims analizuoti ir sandoriams vykdyti.

Kokia yra rizika?

„Melas, prakeiktas melas ir statistika“ yra citata, dažnai naudojama apibūdinti daugybę būdų, kuriais galima manipuliuoti duomenimis. Nors kiekybiniai analitikai siekia nustatyti modelius, procesas jokiu būdu nėra įrodytas kvailys. Analizė apima didelių duomenų kiekių sunaikinimą. Tinkamų duomenų pasirinkimas jokiu būdu nėra garantija, nes modeliai, kurie, atrodo, rodo tam tikrus rezultatus, gali veikti nepriekaištingai, kol jie to nedarys. Net jei atrodo, kad modelis veikia, šablonų patvirtinimas gali būti iššūkis. Kaip žino kiekvienas investuotojas, tikrai nėra lažybų.

Įsibėgėjimo taškai, tokie kaip akcijų rinkos nuosmukis 2008–2009 m., Gali būti griežti šioms strategijoms, nes modeliai gali staiga pasikeisti. Taip pat svarbu atsiminti, kad duomenys ne visada pasakoja visą istoriją. Žmonės gali pastebėti skandalą ar valdymo pasikeitimą, kai jis vystosi, o grynai matematinis požiūris nebūtinai to gali padaryti. Be to, strategija tampa mažiau efektyvi, nes vis daugiau investuotojų bando ją naudoti. Veiksmingi modeliai taps mažiau veiksmingi, nes vis daugiau investuotojų bandys iš to pasipelnyti.

Esmė

Daugelyje investavimo strategijų naudojamas tiek kiekybinių, tiek kokybinių strategijų derinys. Jie naudoja kiekybines strategijas, kad nustatytų galimas investicijas, o paskui naudoja kokybinę analizę, kad perkeltų savo tyrimų pastangas į kitą lygį nustatant galutinę investiciją.

Jie taip pat gali naudoti kokybinę įžvalgą, kad pasirinktų investicijas ir kiekybinius duomenis rizikos valdymui. Nors tiek kiekybinės, tiek kokybinės investavimo strategijos turi savo šalininkų ir kritikų, strategijos nebūtinai turi būti viena kitą paneigiančios.