Et simpelt overblik over kvantitativ analyse

Alle de potentielle højder, lavheder og følelser forbundet med investering kan overskygge det endelige mål: at tjene penge. For at fokusere på sidstnævnte og fjerne førstnævnte forsøger den "kvantitative" tilgang til investering at være opmærksom på tallene i stedet for de immaterielle.

Indtast "Quants"

Harry Markowitz krediteres generelt med at begynde den kvantitative investeringsbevægelse, da han udgav et "Portfolio Selection" i Journal of Finance i marts 1952. Markowitz brugte matematik til at kvantificere diversificering og blev citeret som en tidlig adopterer af konceptet om, at matematiske modeller kunne være anvendt til investering.

Robert Merton, en pioner inden for moderne finansiel teori, vandt en Nobelpris for sin arbejdsundersøgelse af matematiske metoder til prisfastsættelse af derivater. Arbejdet med Markowitz og Merton lagde grundlaget for den kvantitative (kvant) tilgang til investering.

I modsætning til traditionelle kvalitative investeringsanalytikere, besøger kvanter ikke virksomheder, møder managementteamene eller undersøger de produkter, firmaerne sælger for at identificere en konkurrencefordel. De kender eller interesserer ofte ikke de kvalitative aspekter af de virksomheder, de investerer i, og stoler udelukkende på matematik for at tage investeringsbeslutninger.

Hvad gør en kvantitativ analytiker?

Hedgefondsforvaltere omfavnede metodikken og fremskridtene inden for computerteknologi, der yderligere avancerede feltet, da komplekse algoritmer kunne beregnes med et øjeblik. Feltet blomstrede under dotcom boom og bust, da quants stort set undgik vanviddet af tech bust og markedskrasch.

Mens de snublede i den store recession, er kvantestrategier stadig i brug i dag og har fået bemærkelsesværdig opmærksomhed for deres rolle i højfrekvent handel (HFT), der er afhængig af matematik for at træffe handelsbeslutninger. Kvantitativ investering praktiseres også bredt både som en selvstændig disciplin og sammen med traditionel kvalitativ analyse til både afkastforbedring og risikobegrænsning.

Data, data overalt

Fremgangen i computertiden gjorde det muligt at knuse enorme datamængder i ekstraordinært korte perioder. Dette har ført til stadig mere komplekse kvantitative handelsstrategier, da erhvervsdrivende forsøger at identificere konsistente mønstre, modellere disse mønstre og bruge dem til at forudsige kursbevægelser på værdipapirer.

Kvanterne implementerer deres strategier ved hjælp af offentligt tilgængelige data. Identifikationen af ​​mønstre giver dem mulighed for at opsætte automatiske triggere til at købe eller sælge værdipapirer.

For eksempel kan en handelsstrategi baseret på handelsvolumenmønstre have identificeret en sammenhæng mellem handelsvolumen og priser. Så hvis handelsvolumen på en bestemt aktie stiger, når aktiekursen rammer $ 25 pr. Aktie og falder, når kursen rammer $ 30, kan en kvant muligvis oprette et automatisk køb til $ 25, 50 og automatisk salg til $ 29, 50.

Lignende strategier kan være baseret på indtjening, indtjeningsprognoser, indtjeningsoverraskelser og en række andre faktorer. I begge tilfælde er rene kvantehandlere ligeglade med virksomhedens salgsmuligheder, managementteam, produktkvalitet eller noget andet aspekt af dets forretning. De afgiver deres ordrer om at købe og sælge udelukkende baseret på de tal, der står for i de mønstre, de har identificeret.

Identificering af mønstre for at reducere risikoen

Kvantitativ analyse kan bruges til at identificere mønstre, der kan låne sig til rentable sikkerhedshandler, men det er ikke dets eneste værdi. Selv om det at tjene penge er et mål, som enhver investor kan forstå, kan kvantitativ analyse også bruges til at reducere risikoen.

Udøvelsen af ​​såkaldt "risikojusteret afkast" involverer sammenligning af risikomål som alfa, beta, r-kvadrat, standardafvigelse og Sharpe-forholdet for at identificere den investering, der vil levere det højeste niveau for afkast for det givne niveau for risiko. Tanken er, at investorerne ikke skal tage mere risiko end nødvendigt for at nå deres målrettede afkastniveau.

Så hvis dataene afslører, at to investeringer sandsynligvis vil give lignende afkast, men at den ene vil være væsentligt mere ustabil med hensyn til op- og nedgangssvingninger, vil quants (og sund fornuft) anbefale den mindre risikable investering. Igen er kvanterne ligeglad med, hvem der forvalter investeringen, hvordan dens balance ser ud, hvilket produkt hjælper det med at tjene penge eller enhver anden kvalitativ faktor. De fokuserer helt på numrene og vælger den investering, der (matematisk set) tilbyder det laveste risikoniveau.

Risikoparitetsporteføljer er et eksempel på kvantebaserede strategier i handling. Det grundlæggende koncept involverer at træffe beslutninger om allokering af aktiver baseret på markedsvolatilitet. Når volatiliteten falder, stiger risikotagningen i porteføljen. Når volatiliteten stiger, falder risikotagningen i porteføljen.

For at gøre eksemplet lidt mere realistisk skal du overveje en portefølje, der deler sine aktiver mellem kontanter og en S&P 500-indeksfond. Brug af Chicago Board Options Exchange Volatility Index (VIX) som en fuldmagt til volatilitet på aktiemarkedet, når volatiliteten stiger, ville vores hypotetiske portefølje flytte sine aktiver mod kontanter. Når volatiliteten falder, vil vores portefølje skifte aktiver til S&P 500-indeksfonden. Modeller kan være markant mere komplekse end dem, vi refererer til her, måske inklusive aktier, obligationer, råvarer, valutaer og andre investeringer, men konceptet forbliver det samme.

Fordelene ved kvantehandel

Mængdehandel er en ubesværet beslutningsproces. Mønstre og tal er alt det, der betyder noget. Det er en effektiv disciplin for køb / salg, som kan udføres konsekvent, uhindret af den følelse, der ofte er forbundet med økonomiske beslutninger.

Det er også en omkostningseffektiv strategi. Da computere gør arbejdet, behøver virksomheder, der er afhængige af kvantestrategier, ikke at ansætte store, dyre team af analytikere og porteføljeforvaltere. De behøver heller ikke at rejse rundt i landet eller i verden for at inspicere virksomheder og møde med ledelsen for at vurdere potentielle investeringer. De bruger computere til at analysere dataene og udføre handlerne.

Hvad er risikoen?

”Løgner, forbandede løgne og statistik” er et citat, der ofte bruges til at beskrive de utal af måder, hvorpå data kan manipuleres. Mens kvantitative analytikere forsøger at identificere mønstre, er processen på ingen måde narresikker. Analysen involverer at trække gennem store mængder data. At vælge de rigtige data er på ingen måde en garanti, ligesom mønstre, der ser ud til at antyde visse resultater, kan fungere perfekt, indtil de ikke gør det. Selv når et mønster ser ud til at virke, kan validering af mønstre være en udfordring. Som enhver investor ved, er der ingen sikre indsatser.

Inflationspunkter, såsom fald i aktiemarkedet i 2008-09, kan være hårde med disse strategier, da mønstre pludselig kan ændre sig. Det er også vigtigt at huske, at data ikke altid fortæller hele historien. Mennesker kan se en skandale eller ledelsesændring, når den udvikler sig, mens en rent matematisk tilgang ikke nødvendigvis ikke kan gøre det. En strategi bliver også mindre effektiv, da et stigende antal investorer forsøger at ansætte den. Mønstre, der fungerer, bliver mindre effektive, når flere og flere investorer forsøger at drage fordel af det.

Bundlinjen

Mange investeringsstrategier bruger en blanding af både kvantitative og kvalitative strategier. De bruger kvantestrategier til at identificere potentielle investeringer og bruger derefter kvalitativ analyse for at tage deres forskningsindsats til det næste niveau i identificeringen af ​​den endelige investering.

De kan også bruge kvalitativ indsigt til at vælge investeringer og kvantedata til risikostyring. Selv om både kvantitative og kvalitative investeringsstrategier har deres fortalere og deres kritikere, behøver strategierne ikke at være gensidigt eksklusive.