En enkel översikt över kvantitativ analys

Alla potentiella höjder, lågheter och känslor i samband med investeringar kan överskugga det slutliga målet: att tjäna pengar. För att fokusera på det senare och eliminera det förstnämnda försöker den ”kvantitativa” metoden att investera uppmärksamma siffrorna istället för immateriella.

Ange "Quants"

Harry Markowitz krediteras generellt med att han började den kvantitativa investeringsrörelsen när han publicerade ett "Portfolio Selection" i Journal of Finance i mars 1952. Markowitz använde matematik för att kvantifiera diversifiering och citerades som en tidig antagare av konceptet att matematiska modeller kunde vara tillämpas på investeringar.

Robert Merton, en pionjär inom modern finansiell teori, vann ett Nobelpris för sin arbetsforskning i matematiska metoder för prissättning av derivat. Markowitz och Mertons arbete lägger grunden för den kvantitativa (kvantitativa) strategin för investeringar.

Till skillnad från traditionella kvalitativa investeringsanalytiker, besöker inte företag företag, möter ledningsgrupperna eller undersöker produkterna som företagen säljer för att identifiera en konkurrensfördel. De känner eller bryr sig inte ofta om de kvalitativa aspekterna av företagen de investerar i och förlitar sig bara på matte för att fatta investeringsbeslut.

Vad gör en kvantitativ analytiker?

Hedgefondförvaltare omfattade metodik och framsteg inom datorteknik som ytterligare avancerade fältet, eftersom komplexa algoritmer kunde beräknas på ett ögonblick. Fältet blomstrade under dotcom boom och byst, eftersom quants i hög grad undviker frenesi av teknisk byst och marknadskrasch.

Medan de snubblat i den stora lågkonjunkturen, kvarstår kvantstrategier idag och har fått en uppmärksamhet för sin roll i högfrekvent handel (HFT) som förlitar sig på matte för att fatta handelsbeslut. Kvantitativ investering investeras också i stor utsträckning både som en fristående disciplin och i samband med traditionell kvalitativ analys för både avkastningsförbättring och riskreducering.

Data, data överallt

Datatidens uppkomst gjorde det möjligt att krossa enorma datamängder under utomordentligt korta tidsperioder. Detta har lett till alltmer komplexa kvantitativa handelsstrategier, eftersom handlare försöker identifiera konsekventa mönster, modellera dessa mönster och använda dem för att förutsäga prisrörelser i värdepapper.

Quanterna implementerar sina strategier med offentligt tillgängliga data. Identifiering av mönster gör det möjligt för dem att ställa in automatiska triggers för att köpa eller sälja värdepapper.

Till exempel kan en handelsstrategi baserad på handelsvolymmönster ha identifierat ett samband mellan handelsvolym och priser. Så om handelsvolymen på en viss aktie stiger när aktiekursen når $ 25 per aktie och sjunker när kursen träffar $ 30, kan ett kvantitet sätta upp ett automatiskt köp till $ 25, 50 och automatiskt sälja till $ 29, 50.

Liknande strategier kan baseras på intäkter, vinstprognoser, inkomstöverraskningar och en mängd andra faktorer. I båda fallen bryr sig inte rena kvantitetshandlare om företagets försäljningsutsikter, ledningsteam, produktkvalitet eller någon annan aspekt av sin verksamhet. De lägger sina beställningar på att köpa och sälja baserat på de siffror som redovisas i de mönster de har identifierat.

Identifiera mönster för att minska risken

Kvantitativ analys kan användas för att identifiera mönster som kan låna sig lönsamma säkerhetsbranscher, men det är inte dess enda värde. Medan att tjäna pengar är ett mål som alla investerare kan förstå, kan kvantitativ analys också användas för att minska risken.

Strävan efter så kallad ”riskjusterad avkastning” innebär att jämföra riskmått som alfa, beta, r-kvadrat, standardavvikelse och Sharpe-kvoten för att identifiera de investeringar som ger den högsta avkastningen för den givna nivån på risk. Tanken är att investerare inte ska ta mer risk än vad som är nödvändigt för att uppnå en riktad avkastning.

Så om uppgifterna avslöjar att två investeringar sannolikt kommer att ge liknande avkastning, men att en kommer att vara betydligt mer volatil i fråga om upp- och nedåtgångar, skulle frågarna (och sunt förnuft) rekommendera den mindre riskfyllda investeringen. Återigen bryr sig inte frågan om vem som hanterar investeringen, hur dess balansräkning ser ut, vilken produkt som hjälper den att tjäna pengar eller någon annan kvalitativ faktor. De fokuserar helt på siffrorna och väljer den investering som (matematiskt sett) erbjuder den lägsta risknivån.

Riskparitetsportföljer är ett exempel på kvantbaserade strategier i handling. Det grundläggande konceptet innebär att fatta beslut om tillgångsallokering baserat på marknadens volatilitet. När volatiliteten minskar ökar nivån för risktagande i portföljen. När volatiliteten ökar sjunker nivån för risktagande i portföljen.

För att göra exemplet lite mer realistiskt, överväg en portfölj som delar sina tillgångar mellan kontanter och en S&P 500-indexfond. Genom att använda Chicago Board Options Exchange Volatility Index (VIX) som en fullmakt för volatilitet på aktiemarknaden, när volatiliteten stiger, skulle vår hypotetiska portfölj flytta sina tillgångar mot kontanter. När volatiliteten minskar skulle vår portfölj flytta tillgångarna till S&P 500-indexfonden. Modeller kan vara betydligt mer komplexa än de vi refererar till här, kanske inklusive aktier, obligationer, råvaror, valutor och andra investeringar, men konceptet förblir detsamma.

Fördelarna med mängdhandel

Kvantthandel är en ovillkorlig beslutsprocess. Mönstren och siffrorna är allt som betyder. Det är en effektiv köp / sälj disciplin, som kan genomföras konsekvent, obehindrad av känslor som ofta är förknippade med ekonomiska beslut.

Det är också en kostnadseffektiv strategi. Eftersom datorer gör arbetet behöver företag som förlitar sig på kvantstrategier inte anställa stora, dyra team av analytiker och portföljförvaltare. De behöver inte heller resa runt i landet eller i världen för att inspektera företag och träffa ledningen för att utvärdera potentiella investeringar. De använder datorer för att analysera data och utföra handeln.

Vilka är riskerna?

"Ljög, jävla lögner och statistik" är ett citat som ofta används för att beskriva många olika sätt i data som kan manipuleras. Medan kvantitativa analytiker försöker identifiera mönster, är processen på ingen sätt idiotsäker. Analysen involverar att man släpper stora mängder data. Att välja rätt data är inte någon garanti, precis som mönster som tycks antyda vissa resultat kan fungera perfekt tills de inte gör det. Även när ett mönster verkar fungera kan validering av mönstret vara en utmaning. Som varje investerare vet finns det inga säkra satsningar.

Böjningspunkter, som nedgången på aktiemarknaden 2008-09, kan vara tuffa för dessa strategier, eftersom mönster plötsligt kan förändras. Det är också viktigt att komma ihåg att data inte alltid berättar hela historien. Människor kan se en skandal eller ledningsförändring när den utvecklas, medan en rent matematisk strategi inte nödvändigtvis kan göra det. Dessutom blir en strategi mindre effektiv eftersom allt fler investerare försöker anställa den. Mönster som fungerar kommer att bli mindre effektiva eftersom fler och fler investerare försöker tjäna på det.

Poängen

Många investeringsstrategier använder en blandning av både kvantitativa och kvalitativa strategier. De använder kvantstrategier för att identifiera potentiella investeringar och använder sedan kvalitativ analys för att ta sina forskningsinsatser till nästa nivå för att identifiera den slutliga investeringen.

De kan också använda kvalitativ insikt för att välja investeringar och kvantdata för riskhantering. Även om både kvantitativa och kvalitativa investeringsstrategier har sina förespråkare och sina kritiker, behöver strategierna inte vara ömsesidigt exklusiva.