23 апреля 2014 long-short.ru
Становление квантов
Начало количественному инвестиционному движению обычно приписывают тому моменту, когда Гарри Марковиц (Harry Markowitz) опубликовал в марте 1952 года в Journal of Finance свою работу «Выбор портфеля» (Portfolio Selection). Марковиц применил математику к количественной диверсификации, и он считается человеком, впервые использовавшим идею, что математические модели можно применить к инвестированию. Роберт Мертон (Robert Merton), пионер в современной теории финансов, получил Нобелевскую премию за исследовательскую работу по использованию математических методов в ценообразовании деривативов. Работа Марковица и Мертона легла в основу количественного (quant) подхода к инвестированию.
В отличие от традиционных инвестиционных аналитиков, кванты в целях выявления конкурентного преимущества не посещают компании, не встречаются с управленческими командами и не изучают продукты, продаваемые компаниями. Они часто не знают и не заботятся о качественных аспектах компаний, в которые инвестируют, и при принятии инвестиционных решений опираются исключительно на математику.
Менеджеры хедж-фондов воспользовались методологией и достижениями в области вычислительной техники, которые в дальнейшем продвинут индустрию вперед, по мере того, как все более сложные алгоритмы будут исполняться в мгновение ока. Индустрия процветала во время бума и спада доткомов, поскольку кванты в большей степени избежали безумной суеты технологического и биржевого краха. Хотя они и запнулись о Великую рецессию, но сейчас количественные стратегии используются и привлекают сильное внимание своей ролью в высокочастотной торговле (High Frequency Trading, HFT), которая при принятии торговых решений опирается на математику. Количественное инвестирование также широко применяется как в качестве самостоятельной дисциплины, так и в сочетании с традиционным качественным анализом для увеличения доходности и снижения рисков.
Данные, данные, кругом одни данные
Восход компьютерной эры позволил выполнять числовые расчеты данных в чрезвычайно короткие промежутки времени. Это привело к более сложным количественным торговым стратегиям, поскольку трейдеры стремятся отыскать последовательные паттерны и модели этих паттернов и использовать их для прогнозирования движения цен ценных бумаг.
Кванты реализуют свои стратегии, используя общедоступные данные. Выявление паттернов позволяет им установить автоматические переключатели на покупку или продажу ценных бумаг. Например, стратегия, основанная на паттернах торгового объема, может выявить корреляцию между торговым объемом и ценами. Другие стратегии могут быть основаны на прибыли, прогнозах доходности, сюрпризах доходности и множестве других факторов. В каждом случае чистые квантовые трейдеры не заботятся о перспективах объема реализации компании, об управленческой команде, качестве продукции или любом другом аспекте бизнеса. Они размещают заявки на покупку и продажу, строго основываясь на цифрах, рассчитанных в моделях, которые они построили.
Не только для получения прибыли
Количественный анализ можно использовать для выявления паттернов, которые могут вести к прибыльным сделкам, но это не единственная его ценность.
Хотя зарабатывание денег является целью, которую понимает каждый инвестор, количественный анализ можно использовать еще и для снижения рисков. Погоня за так называемой «приведенной к риску доходностью» включает в себя сравнение мер риска, таких как альфа, бета, R-квадрат, стандартное отклонение, коэффициент Шарпа, чтобы найти инвестиции, которые будут приносить высокий уровень доходности для заданного уровня риска. Идея состоит в том, что инвесторы должны брать на себя не больше риска, чем это необходимо для достижения поставленного в качестве цели уровня доходности. Таким образом, если данные показывают, что две разных инвестиции, скорее всего, принесут одинаковую доходность, но, что одна из них будет на много более волатильной в плане роста и падения цен, кванты (и здравый смысл) порекомендуют менее рискованные инвестиции. Опять же, квантов не волнует кто управляет инвестициями, как выглядит балансовый отчет, какой продукт помогает зарабатывать деньги или любые другие качественные факторы. Они полностью сосредотачиваются на цифрах, и выбирают инвестиции, которые с математической точки зрения предлагают самый низкий уровень риска.
Портфели с паритетом риска являются примером количественных стратегий в действии. Основная идея предполагает принятие решений о распределении активов на основе рыночной волатильности. Когда волатильность снижается, уровень риска, принимаемый на портфель, увеличивается. Когда волатильность растет, уровень риска на портфель уменьшается. Чтобы пример был более реалистичным, рассмотрим портфель, который делит свои активы между наличными средствами и индексным фондом SnP 500. Используя индекс волатильности Чикагской биржи опционов (VIX) в качестве приближения к волатильности фондового рынка, наш гипотетический портфель будет изменять соотношение активов в пользу наличных средств, когда волатильность растет. Когда волатильность снижается, портфель будет изменять соотношение активов в пользу индексного фонда SnP 500. Модели могут быть значительно сложнее, чем та, которую мы здесь описали, возможно, они будут включать акции, облигации, товары, валюту и другие инвестиции, но идея остается той же.
Преимущества
Количественная торговля является бесстрастным процессом принятия решений. Имеют значения только паттерны и цифры. Это эффективный порядок покупки/ продажи, поскольку ведется рационально, свободно от эмоций, которые часто сопровождают принятие финансовых решений.
Это также эффективная по издержкам стратегия. Поскольку всю работу делают компьютеры, то компаниям, которые полагаются на количественные стратегии, не нужно нанимать огромные, затратные команды аналитиков и управляющих портфелями. Им также не надо ездить по стране или по всему миру для изучения компаний и встреч с руководством, чтобы оценить потенциальные инвестиции. Они просто используют компьютеры для анализа данных и заключают сделки.
Риски
Цитата «Существует три разновидности лжи: ложь, наглая ложь и статистика» часто используется для выражения идеи существования огромного числа способов, позволяющих манипулировать данными. Хотя количественные аналитики стремятся выявить паттерны, этот процесс, конечно, не защищен от случайных ошибок. Анализ включает в себя отбраковку огромного объема данных. Выбор правильных данных отнюдь не является гарантией хороших результатов, как и паттерны, которые вроде бы предполагают, что определенные результаты могут отлично работать, пока вдруг не перестанут. Даже тогда, когда появляется рабочий паттерн, проверка паттернов может быть проблемой. Каждый инвестор знает, что нет бесспорных ставок.
Переломные моменты, такие как спад на фондовом рынке в 2008/2009 году, могут быть жестким для этих стратегий, а паттерны могут внезапно измениться. Важно также помнить, что данные не всегда рассказывают всю историю. Люди могут обратить внимание на начинающийся скандал или изменения в управлении, а чистый математический подход не всегда это делает. Кроме того, стратегия становится менее эффективной, когда все большее число инвесторов стремится ее использовать. Таким образом, даже паттерны, которые работают, станут менее эффективными, поскольку все больше и больше инвесторов пытается извлечь из них выгоду.
Заключение
Многие инвестиционные стратегии используют комбинацию как количественных, так и качественных стратегий. Они применяют количественные стратегии при выявлении потенциальных инвестиций, а затем с помощью качественного анализа выводят комплекс исследований на следующий уровень в определении окончательных инвестиций. Они также часто используют качественное представление, чтобы выбрать инвестиции и количественные данные для управления рисками. Хотя как количественные, так и качественные инвестиционные стратегии имеют своих сторонников и своих критиков, они не должны взаимно исключать друг друга.
http://www.long-short.ru/ (C)
Не является индивидуальной инвестиционной рекомендацией | При копировании ссылка обязательна | Нашли ошибку - выделить и нажать Ctrl+Enter | Отправить жалобу
Начало количественному инвестиционному движению обычно приписывают тому моменту, когда Гарри Марковиц (Harry Markowitz) опубликовал в марте 1952 года в Journal of Finance свою работу «Выбор портфеля» (Portfolio Selection). Марковиц применил математику к количественной диверсификации, и он считается человеком, впервые использовавшим идею, что математические модели можно применить к инвестированию. Роберт Мертон (Robert Merton), пионер в современной теории финансов, получил Нобелевскую премию за исследовательскую работу по использованию математических методов в ценообразовании деривативов. Работа Марковица и Мертона легла в основу количественного (quant) подхода к инвестированию.
В отличие от традиционных инвестиционных аналитиков, кванты в целях выявления конкурентного преимущества не посещают компании, не встречаются с управленческими командами и не изучают продукты, продаваемые компаниями. Они часто не знают и не заботятся о качественных аспектах компаний, в которые инвестируют, и при принятии инвестиционных решений опираются исключительно на математику.
Менеджеры хедж-фондов воспользовались методологией и достижениями в области вычислительной техники, которые в дальнейшем продвинут индустрию вперед, по мере того, как все более сложные алгоритмы будут исполняться в мгновение ока. Индустрия процветала во время бума и спада доткомов, поскольку кванты в большей степени избежали безумной суеты технологического и биржевого краха. Хотя они и запнулись о Великую рецессию, но сейчас количественные стратегии используются и привлекают сильное внимание своей ролью в высокочастотной торговле (High Frequency Trading, HFT), которая при принятии торговых решений опирается на математику. Количественное инвестирование также широко применяется как в качестве самостоятельной дисциплины, так и в сочетании с традиционным качественным анализом для увеличения доходности и снижения рисков.
Данные, данные, кругом одни данные
Восход компьютерной эры позволил выполнять числовые расчеты данных в чрезвычайно короткие промежутки времени. Это привело к более сложным количественным торговым стратегиям, поскольку трейдеры стремятся отыскать последовательные паттерны и модели этих паттернов и использовать их для прогнозирования движения цен ценных бумаг.
Кванты реализуют свои стратегии, используя общедоступные данные. Выявление паттернов позволяет им установить автоматические переключатели на покупку или продажу ценных бумаг. Например, стратегия, основанная на паттернах торгового объема, может выявить корреляцию между торговым объемом и ценами. Другие стратегии могут быть основаны на прибыли, прогнозах доходности, сюрпризах доходности и множестве других факторов. В каждом случае чистые квантовые трейдеры не заботятся о перспективах объема реализации компании, об управленческой команде, качестве продукции или любом другом аспекте бизнеса. Они размещают заявки на покупку и продажу, строго основываясь на цифрах, рассчитанных в моделях, которые они построили.
Не только для получения прибыли
Количественный анализ можно использовать для выявления паттернов, которые могут вести к прибыльным сделкам, но это не единственная его ценность.
Хотя зарабатывание денег является целью, которую понимает каждый инвестор, количественный анализ можно использовать еще и для снижения рисков. Погоня за так называемой «приведенной к риску доходностью» включает в себя сравнение мер риска, таких как альфа, бета, R-квадрат, стандартное отклонение, коэффициент Шарпа, чтобы найти инвестиции, которые будут приносить высокий уровень доходности для заданного уровня риска. Идея состоит в том, что инвесторы должны брать на себя не больше риска, чем это необходимо для достижения поставленного в качестве цели уровня доходности. Таким образом, если данные показывают, что две разных инвестиции, скорее всего, принесут одинаковую доходность, но, что одна из них будет на много более волатильной в плане роста и падения цен, кванты (и здравый смысл) порекомендуют менее рискованные инвестиции. Опять же, квантов не волнует кто управляет инвестициями, как выглядит балансовый отчет, какой продукт помогает зарабатывать деньги или любые другие качественные факторы. Они полностью сосредотачиваются на цифрах, и выбирают инвестиции, которые с математической точки зрения предлагают самый низкий уровень риска.
Портфели с паритетом риска являются примером количественных стратегий в действии. Основная идея предполагает принятие решений о распределении активов на основе рыночной волатильности. Когда волатильность снижается, уровень риска, принимаемый на портфель, увеличивается. Когда волатильность растет, уровень риска на портфель уменьшается. Чтобы пример был более реалистичным, рассмотрим портфель, который делит свои активы между наличными средствами и индексным фондом SnP 500. Используя индекс волатильности Чикагской биржи опционов (VIX) в качестве приближения к волатильности фондового рынка, наш гипотетический портфель будет изменять соотношение активов в пользу наличных средств, когда волатильность растет. Когда волатильность снижается, портфель будет изменять соотношение активов в пользу индексного фонда SnP 500. Модели могут быть значительно сложнее, чем та, которую мы здесь описали, возможно, они будут включать акции, облигации, товары, валюту и другие инвестиции, но идея остается той же.
Преимущества
Количественная торговля является бесстрастным процессом принятия решений. Имеют значения только паттерны и цифры. Это эффективный порядок покупки/ продажи, поскольку ведется рационально, свободно от эмоций, которые часто сопровождают принятие финансовых решений.
Это также эффективная по издержкам стратегия. Поскольку всю работу делают компьютеры, то компаниям, которые полагаются на количественные стратегии, не нужно нанимать огромные, затратные команды аналитиков и управляющих портфелями. Им также не надо ездить по стране или по всему миру для изучения компаний и встреч с руководством, чтобы оценить потенциальные инвестиции. Они просто используют компьютеры для анализа данных и заключают сделки.
Риски
Цитата «Существует три разновидности лжи: ложь, наглая ложь и статистика» часто используется для выражения идеи существования огромного числа способов, позволяющих манипулировать данными. Хотя количественные аналитики стремятся выявить паттерны, этот процесс, конечно, не защищен от случайных ошибок. Анализ включает в себя отбраковку огромного объема данных. Выбор правильных данных отнюдь не является гарантией хороших результатов, как и паттерны, которые вроде бы предполагают, что определенные результаты могут отлично работать, пока вдруг не перестанут. Даже тогда, когда появляется рабочий паттерн, проверка паттернов может быть проблемой. Каждый инвестор знает, что нет бесспорных ставок.
Переломные моменты, такие как спад на фондовом рынке в 2008/2009 году, могут быть жестким для этих стратегий, а паттерны могут внезапно измениться. Важно также помнить, что данные не всегда рассказывают всю историю. Люди могут обратить внимание на начинающийся скандал или изменения в управлении, а чистый математический подход не всегда это делает. Кроме того, стратегия становится менее эффективной, когда все большее число инвесторов стремится ее использовать. Таким образом, даже паттерны, которые работают, станут менее эффективными, поскольку все больше и больше инвесторов пытается извлечь из них выгоду.
Заключение
Многие инвестиционные стратегии используют комбинацию как количественных, так и качественных стратегий. Они применяют количественные стратегии при выявлении потенциальных инвестиций, а затем с помощью качественного анализа выводят комплекс исследований на следующий уровень в определении окончательных инвестиций. Они также часто используют качественное представление, чтобы выбрать инвестиции и количественные данные для управления рисками. Хотя как количественные, так и качественные инвестиционные стратегии имеют своих сторонников и своих критиков, они не должны взаимно исключать друг друга.
Перевод long-short.ru
http://www.long-short.ru/ (C)
Не является индивидуальной инвестиционной рекомендацией | При копировании ссылка обязательна | Нашли ошибку - выделить и нажать Ctrl+Enter | Отправить жалобу