27 марта 2023 ИХ "Финам"
Портфельные управляющие всегда адаптируются к постоянно меняющейся среде инвестиционного ландшафта. Меняющиеся рыночные тенденции, государственное регулирование и макроэкономические факторы могут влиять на то, как инвесторы формируют свои стратегии.
Однако некоторые вещи остаются неизменными: специалисты по инвестициям должны снижать риск, а менеджеры хедж-фондов должны хеджировать позиции. Это особенно важно во времена нестабильности. Столкнувшись с «медвежьим» рынком и самой сильной инфляцией за последние 40 лет, специалисты по инвестициям будут стремиться делать именно это.
Но что, если способ, которым большинство специалистов по инвестициям хеджируют свои портфели, на самом деле не хеджирует? Что, если бы новые технологии позволили инвесторам лучше хеджировать риски в портфеле и на долгосрочном горизонте?
Как выглядит хеджирование сегодня
Давайте начнем с изучения статус-кво, когда инвестор относится к шортам как к своеобразному «пластырю», наложенному на более обширную проблему риска для его портфеля. Например, инвестор может открыть короткую позицию по всему индексу, такому как S&P 500, или по всему ETF, такому как iShares Russell 1000. В качестве альтернативы, пытаясь настроить свою корзину хеджирования, они могут обратиться к третьей стороне за «индивидуальным» индексом ("custom" index) для шортов.
Хотя подобные стратегии помогают достичь базовой цели по уменьшению общей подверженности рынку, они также приводят к ряду ловушек, которые могут принести успех или уничтожить портфель.
Проблема номер один с таким хеджированием, как шорт индекса или ETF, заключается в том, что он, как правило, не соответствует уровню детализации, тщательности и точности, которые менеджер вкладывает в свои длинные позиции. В то время как такое хеджирование может уменьшить общую подверженность рынку, оно может не обеспечить адекватного хеджирования конкретных факторов риска в портфеле. Зачем тогда тратить столько времени, усилий и исследований на совершенствование своих долгосрочных позиций, если вы собираетесь полагаться на такой хедж?
В то время как «индивидуальные» корзины хеджирования могут, на первый взгляд, обеспечить более целенаправленный хедж, реальность такова, что с ними тоже есть проблемы. На практике эти «индивидуальные» корзины могут использоваться многими одинаковыми инвесторами. Это увеличивает шансы того, что инвестор в конечном итоге продаст те же бумаги, что и все остальные, тем самым увеличивая риск шорт-сквизов.
Как хеджирование должно выглядеть сегодня
Лучшей альтернативой хеджированию является полное понимание факторов, влияющих на ваш портфель, а затем создание корзины индивидуальных, оптимальных, а иногда и неинтуитивных хеджей.
Для начала давайте посмотрим, как машинное обучение может помочь определить риски портфеля.
Говоря простыми словами, машинное обучение помогает инвесторам выявлять и контролировать неназванные факторы риска в своем портфеле. В дополнение к традиционным факторам, таким как стоимость, рост и импульсность, машинное обучение может находить корзины акций, которые торгуются вместе по другим причинам, и может делать это со скоростью и сложностью, которые не под силу аналитику-человеку. Искусственный интеллект процветает в среде больших данных, и это прекрасный тому пример.
Большинство активных инвесторов согласится, что индивидуальный подход предпочтительнее готового предложения. Но как вы можете начать менять статус-кво и что при этом сделать приоритетным? Опыт показывает, что важно помнить о следующих трех вещах:
Убедитесь, что вы полагаетесь на наилучшие данные о всех составляющих вашего портфеля. Будь то поиск подходящего альтернативного набора данных для снижения непредвиденных рисков или внедрение специального набора данных, чтобы убедиться, что ваши хеджирования действенны, машинное обучение не будет работать должным образом без высококачественных данных с самого начала.
Тестируйте, тестируйте, тестируйте. И используйте для этого технологии. Хотя ретроспективное тестирование может зайти далеко, это важный шаг в любом процессе хеджирования, который позволяет вам понять различные факторы и элементы, влияющие на ваш портфель. Полагаясь на технологии для автоматизации тысяч возможностей, вы можете освободить время для своей команды, чтобы сосредоточиться на работе более высокого уровня.
При этом не забывайте о человеческом факторе. Машина может помочь вам тестировать, настраивать позиции и выявлять противоречащие здравому смыслу соединения, но она не может заменить весь процесс. Самые искушенные инвесторы в мире знают, что сочетание машинного обучения и человеческого интеллекта идеально подходит для финансовых рынков.
Максимизация прибыли, минимизация риска
Инвесторы всегда будут брать на себя определенный уровень риска, стремясь получить сверхдоходы, но это не значит, что они не должны делать все, что в их силах, чтобы свести его к минимуму. Эти продвинутые методы — один из способов выявить чрезмерный риск, который могут выдержать инвесторы, а машинное обучение может помочь им защититься от него.
В конце концов, это решение инвестора-человека реализовать (или не реализовать) выбор машины и должным образом хеджировать свой портфель. Но они должны быть в состоянии рассмотреть все доступные идеи, даже скрытые, прежде чем сделать это.
Джошуа Пантони — генеральный директор Boosted.ai, компании, занимающейся машинным обучением для финансовых специалистов.
Однако некоторые вещи остаются неизменными: специалисты по инвестициям должны снижать риск, а менеджеры хедж-фондов должны хеджировать позиции. Это особенно важно во времена нестабильности. Столкнувшись с «медвежьим» рынком и самой сильной инфляцией за последние 40 лет, специалисты по инвестициям будут стремиться делать именно это.
Но что, если способ, которым большинство специалистов по инвестициям хеджируют свои портфели, на самом деле не хеджирует? Что, если бы новые технологии позволили инвесторам лучше хеджировать риски в портфеле и на долгосрочном горизонте?
Как выглядит хеджирование сегодня
Давайте начнем с изучения статус-кво, когда инвестор относится к шортам как к своеобразному «пластырю», наложенному на более обширную проблему риска для его портфеля. Например, инвестор может открыть короткую позицию по всему индексу, такому как S&P 500, или по всему ETF, такому как iShares Russell 1000. В качестве альтернативы, пытаясь настроить свою корзину хеджирования, они могут обратиться к третьей стороне за «индивидуальным» индексом ("custom" index) для шортов.
Хотя подобные стратегии помогают достичь базовой цели по уменьшению общей подверженности рынку, они также приводят к ряду ловушек, которые могут принести успех или уничтожить портфель.
Проблема номер один с таким хеджированием, как шорт индекса или ETF, заключается в том, что он, как правило, не соответствует уровню детализации, тщательности и точности, которые менеджер вкладывает в свои длинные позиции. В то время как такое хеджирование может уменьшить общую подверженность рынку, оно может не обеспечить адекватного хеджирования конкретных факторов риска в портфеле. Зачем тогда тратить столько времени, усилий и исследований на совершенствование своих долгосрочных позиций, если вы собираетесь полагаться на такой хедж?
В то время как «индивидуальные» корзины хеджирования могут, на первый взгляд, обеспечить более целенаправленный хедж, реальность такова, что с ними тоже есть проблемы. На практике эти «индивидуальные» корзины могут использоваться многими одинаковыми инвесторами. Это увеличивает шансы того, что инвестор в конечном итоге продаст те же бумаги, что и все остальные, тем самым увеличивая риск шорт-сквизов.
Как хеджирование должно выглядеть сегодня
Лучшей альтернативой хеджированию является полное понимание факторов, влияющих на ваш портфель, а затем создание корзины индивидуальных, оптимальных, а иногда и неинтуитивных хеджей.
Для начала давайте посмотрим, как машинное обучение может помочь определить риски портфеля.
Говоря простыми словами, машинное обучение помогает инвесторам выявлять и контролировать неназванные факторы риска в своем портфеле. В дополнение к традиционным факторам, таким как стоимость, рост и импульсность, машинное обучение может находить корзины акций, которые торгуются вместе по другим причинам, и может делать это со скоростью и сложностью, которые не под силу аналитику-человеку. Искусственный интеллект процветает в среде больших данных, и это прекрасный тому пример.
Большинство активных инвесторов согласится, что индивидуальный подход предпочтительнее готового предложения. Но как вы можете начать менять статус-кво и что при этом сделать приоритетным? Опыт показывает, что важно помнить о следующих трех вещах:
Убедитесь, что вы полагаетесь на наилучшие данные о всех составляющих вашего портфеля. Будь то поиск подходящего альтернативного набора данных для снижения непредвиденных рисков или внедрение специального набора данных, чтобы убедиться, что ваши хеджирования действенны, машинное обучение не будет работать должным образом без высококачественных данных с самого начала.
Тестируйте, тестируйте, тестируйте. И используйте для этого технологии. Хотя ретроспективное тестирование может зайти далеко, это важный шаг в любом процессе хеджирования, который позволяет вам понять различные факторы и элементы, влияющие на ваш портфель. Полагаясь на технологии для автоматизации тысяч возможностей, вы можете освободить время для своей команды, чтобы сосредоточиться на работе более высокого уровня.
При этом не забывайте о человеческом факторе. Машина может помочь вам тестировать, настраивать позиции и выявлять противоречащие здравому смыслу соединения, но она не может заменить весь процесс. Самые искушенные инвесторы в мире знают, что сочетание машинного обучения и человеческого интеллекта идеально подходит для финансовых рынков.
Максимизация прибыли, минимизация риска
Инвесторы всегда будут брать на себя определенный уровень риска, стремясь получить сверхдоходы, но это не значит, что они не должны делать все, что в их силах, чтобы свести его к минимуму. Эти продвинутые методы — один из способов выявить чрезмерный риск, который могут выдержать инвесторы, а машинное обучение может помочь им защититься от него.
В конце концов, это решение инвестора-человека реализовать (или не реализовать) выбор машины и должным образом хеджировать свой портфель. Но они должны быть в состоянии рассмотреть все доступные идеи, даже скрытые, прежде чем сделать это.
Джошуа Пантони — генеральный директор Boosted.ai, компании, занимающейся машинным обучением для финансовых специалистов.
Не является индивидуальной инвестиционной рекомендацией | При копировании ссылка обязательна | Нашли ошибку - выделить и нажать Ctrl+Enter | Жалоба