Alle de potensielle høyder, nedturer og følelser som er forbundet med å investere, kan overskygge det ultimate målet - tjene penger. I et forsøk på å fokusere på det sistnevnte og eliminere det tidligere, søker "kvantitativ" tilnærming til investering å være oppmerksom på tallene i stedet for immaterielle eiendeler.

Skriv inn "Quants"

Harry Markowitz er generelt kreditert ved å begynne den kvantitative investeringsbevegelsen da han publiserte et "Portfolio Selection" i Journal of Finance i mars 1952. Markowitz brukte matematikk til å kvantifisere diversifisering, og er sitert som en tidlig adopter av konseptet om at matematiske modeller kunne brukes til å investere. Robert Merton, en pioner i moderne finansteori, vunnet en Nobelpris for sin arbeidsforskning om matematiske metoder for prising av derivater. Markowitz og Mertons arbeid lagde grunnlaget for kvantitativ (kvant) tilnærming til investering.

I motsetning til tradisjonelle kvalitative investeringsanalytikere, besøker ikke quants bedrifter, møter ledelsesteamene eller undersøker produktene selskapene selger i en innsats for å identifisere en konkurransefortrinn. De vet ofte ikke om eller bryr seg om de kvalitative aspektene av selskapene de investerer i, avhengig av matematikk for å ta investeringsbeslutninger. ced metodikken og fremskritt i datateknologi som videre avanserte feltet, da komplekse algoritmer kunne beregnes i blink of eye. Feltet blomstret under dotcom-bommen og busten, da quants i stor utstrekning unngikk raseri av teknologisk bust og markedskrasj.

Mens de snublet i den store lavkonjunkturen, forblir kvantstrategier i bruk i dag og har fått bemerkelsesverdig oppmerksomhet for deres rolle i høyfrekvent handel (HFT) som er avhengig av matematikk for å gjøre handelsbeslutninger. Kvantitativ investering blir også utbredt både som en frittstående disiplin og i sammenheng med tradisjonell kvalitativ analyse for både retursøkning og risikoreduksjon.

Data, data overalt

Oppgangen av dataarderen gjorde det mulig å knuse enorme datamengder på svært kort tid. Dette har ført til stadig mer komplekse kvantitative handelsstrategier, da handelsfolk søker å identifisere konsistente mønstre, modellere disse mønstrene og bruke dem til å forutse prisbevegelser i verdipapirer.

Kvantene implementerer sine strategier ved hjelp av allment tilgjengelige data. Identifiseringen av mønstre gjør det mulig for dem å sette opp automatiske utløsere 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 faller når prisen treffer $ 30, kan en quant sette opp et automatisk kjøp på $ 25.50 og automatisk selger på $ 29. 50.

Lignende strategier kan være basert på inntjening, inntjeningsprognoser, inntjeningsoverraskelser og mange andre faktorer. I hvert tilfelle bryr seg rene kvanthandlere seg ikke om selskapets salgsutsikter, ledelsesteam, produktkvalitet eller noe annet aspekt av virksomheten. De legger sine bestillinger for å kjøpe og selge basert strengt på tallene som er oppgitt i mønstrene de har identifisert.

Utover Gevinst

Kvantitativ analyse kan brukes til å identifisere mønstre som kan låne seg til lønnsomme sikkerhetsbransjer, men det er ikke den eneste verdien. Mens du tjener penger er et mål hver investor kan forstå, kan kvantitativ analyse også brukes til å redusere risikoen.

Forfølgelsen av såkalte "risikojusterte avkastninger" innebærer å sammenligne risikomålinger som alfa, beta, r-kvadrat, standardavvik og Sharpe-forholdet for å identifisere investeringen som vil gi høyest avkastning for gitt risikonivå. Tanken er at investorer ikke skal ta mer risiko enn det er nødvendig for å oppnå sitt målrettede avkastningsnivå.

Så hvis dataene avslører at to investeringer sannsynligvis vil oppnå tilsvarende avkastning, men den ene vil være betydelig mer volatil i forhold til pris og prisendringer, vil quants (og sunn fornuft) anbefale den mindre risikable investeringen. Igjen, kutrene bryr seg ikke om hvem som styrer investeringen, hvordan balansen ser ut, hvilket produkt hjelper det med å tjene penger eller andre kvalitative faktorer. De fokuserer helt på tallene og velger investeringen som (matematisk sett) gir laveste risikonivå.

Risikoparitetsporteføljer er et eksempel på kvantbaserte strategier i aksjon. Det grunnleggende konseptet innebærer å gjøre kapitalfordelingsbeslutninger basert på volatilitet på markedet. Når volatiliteten avtar, øker risikoenivået i porteføljen. Når volatiliteten øker, går nivået på risikotaking i porteføljen ned.

For å gjøre eksemplet litt mer realistisk, vurder en portefølje som deler sine eiendeler mellom kontanter og et S & P 500 indeksfond. Ved hjelp av Chicago Board Options Exchange Volatility Index (VIX) som en proxy for volatilitet i børsene, når volatiliteten stiger, vil vår hypotetiske portefølje skifte eiendelene mot kontanter. Når volatiliteten avtar, vil porteføljen skifte eiendeler til S & P 500 indeksfondet. Modeller kan være betydelig mer komplekse enn det vi refererer til her, kanskje inkludert aksjer, obligasjoner, varer, valutaer og andre investeringer, men konseptet forblir det samme.

Fordeler

Quant trading er en uheldig beslutningsprosess. Mønstrene og tallene er alle som betyr noe. Det er en effektiv buy / sell-disiplin, som kan utføres konsekvent, uhindret av følelsene som ofte er knyttet til økonomiske beslutninger.

Det er også en kostnadseffektiv strategi. Siden datamaskiner gjør arbeidet, trenger firmaer som stoler på kvantstrategier ikke å ansette store, dyre lag av analytikere og porteføljeforvaltere.De trenger heller ikke å reise rundt i landet eller i verden som inspiserer selskaper og møte med ledelsen for å vurdere potensielle investeringer. De bruker bare datamaskiner til å analysere dataene og utføre handlingene.

Risikoer

"Lies, damn lies and statistics" er et sitat som ofte brukes til å beskrive de mange måtene i data kan manipuleres. Mens kvantitative analytikere forsøker å identifisere mønstre, er prosessen på ingen måte idiotsikker. Analysen innebærer å kaste gjennom store mengder data. Å velge de riktige dataene er på ingen måte en garanti, akkurat som mønstre som ser ut til å foreslå bestemte utfall, kan fungere perfekt før 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.

Infleksjonspunkter, som for eksempel nedgangen i aksjemarkedet 2008/2009, kan være tøffe på disse strategiene, da mønstre kan endres plutselig. Det er også viktig å huske at data ikke alltid forteller hele historien. Mennesker kan se en skandale eller ledelsesendring som den utvikler, mens en rent matematisk tilnærming ikke nødvendigvis kan gjøre det. Også, en strategi blir mindre effektiv som et økende antall investorer forsøker å ansette det. Mønstre som fungerer vil bli mindre effektive ettersom flere og flere investorer prøver å tjene på det.

The Bottom Line

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

De kan også bruke kvalitativ innsikt til å velge investeringer og kvantdata for risikostyring. Mens både kvantitative og kvalitative investeringsstrategier har sine fortalere og deres kritikere, trenger strategiene ikke å være gjensidig utelukkende.