Alle de potentielle highs, lows og følelser forbundet med investering kan overskygge det ultimative mål - tjene penge. I et forsøg på at fokusere på sidstnævnte og eliminere førstnævnte søger den "kvantitative" tilgang til investering at være opmærksom på tallene i stedet for immaterielle aktiver.

Indtast "Quants"

Harry Markowitz er generelt krediteret med at starte den kvantitative investeringsbevægelse, da han offentliggjorde et "Portfolio Selection" i Journal of Finance i marts 1952. Markowitz brugte matematik til at kvantificere diversificering og citeres som en tidlig adopter af konceptet om, at matematiske modeller kunne anvendes til investering. Robert Merton, en pioner i den moderne finansteori, vandt en nobelpris til hans arbejde med matematiske metoder til prissætning af derivater. Markowitz og Mertons arbejde lagde grunden for den kvantitative (kvant) tilgang til investering.

I modsætning til traditionelle kvalitative investeringsanalytikere besøger quants ikke virksomheder, møder ledelsesteamene eller undersøger de produkter, virksomhederne sælger i en bestræbelser på at identificere en konkurrencemæssig fordel. De kender ofte ikke eller plejer de kvalitative aspekter af de virksomheder, de investerer i, og er udelukkende afhængige af matematik til at træffe investeringsbeslutninger.

Hedgefondsforvaltere ced metoden og fremskridt inden for computerteknologi, der yderligere avancerede feltet, da komplekse algoritmer kunne beregnes i blink af øjet. Feltet blomstrede i løbet af dotcom-bommen og busten, da quants stort set undgik den vanvittige af teknologiske buste og markedskrasj.

Mens de snuble i den store recession, forbliver kvantstrategier i brug i dag og har fået bemærkelsesværdigt opmærksomhed for deres rolle i højfrekvenshandel (HFT), der er afhængig af matematik til at træffe handelsbeslutninger. Kvantitativ investering er også bredt praktiseret både som en selvstændig disciplin og i forbindelse med traditionel kvalitativ analyse for både tilbagesøgning og risikoreduktion.

Data, data overalt

Stigningen af ​​computeraderen gjorde det muligt at knuse enorme datamængder i ekstraordinære korte perioder. Dette har ført til mere og mere komplekse kvantitative handelsstrategier, da erhvervsdrivende søger at identificere konsistente mønstre, model disse mønstre og bruge dem til at forudsige prisbevægelser i værdipapirer.

Quants implementerer deres strategier ved hjælp af offentligt tilgængelige data. Identifikationen af ​​mønstre gør det muligt for dem at oprette automatiske udløsere 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 aktiens pris rammer $ 25 pr. Aktie og falder, når prisen går $ 30, kan en quant oprette et automatisk køb på 25 dollar.50 og automatisk sælge til $ 29. 50.

Lignende strategier kan baseres på indtjening, indtjeningsoverslag, indtjeningsoverraskelser og mange andre faktorer. I hvert enkelt tilfælde er rene kvantehandlere ligeglad med virksomhedens salgsudsigter, ledelsesteam, produktkvalitet eller ethvert andet aspekt af virksomheden. De placerer deres ordre om at købe og sælge baseret strengt på de tal, der er angivet i de mønstre, de har identificeret.

Udover gevinster

Kvantitativ analyse kan bruges til at identificere mønstre, der kan udgøre sig til rentable sikkerhedsbrancher, men det er ikke dets eneste værdi. Samtidig med at tjene penge er et mål, som alle investorer kan forstå, kan kvantitativ analyse også bruges til at reducere risikoen.

Forfølgelsen af ​​såkaldte "risikojusterede afkast" indebærer sammenligning af risikobestemmelser som alfa, beta, r-kvadrat, standardafvigelse og Sharpe-forholdet for at identificere den investering, der vil levere det højeste niveau for afkastet for givet risiko. Tanken er, at investorer ikke bør tage mere risiko end nødvendigt for at nå deres målrettede afkast.

Så hvis dataene viser, at to investeringer sandsynligvis vil give samme afkast, men at den vil være betydeligt mere volatil i forhold til prisforskydninger op og ned, vil quants (og sund fornuft) anbefale den mindre risikable investering. Igen er kvængerne ikke ligeglad med, hvem der forvalter investeringen, hvordan balancen ser ud, hvilket produkt hjælper det med at tjene penge eller enhver anden kvalitativ faktor. De fokuserer helt og holdent på tallene og vælger den investering, der (matematisk set) giver det laveste risikoniveau.

Risikoparitetsporteføljer er et eksempel på kvantbaserede strategier i aktion. Det grundlæggende koncept indebærer beslutningstagning baseret på markedsallokering. Når volatiliteten falder, stiger risikoeniveauet i porteføljen op. Når volatiliteten stiger, falder risikoeniveauet i porteføljen nede.

For at gøre eksemplet lidt mere realistisk, overvej en portefølje, der opdeler sine aktiver mellem kontanter og en S & P 500 indeksfond. Ved hjælp af Chicago Board Options Options Volatility Index (VIX) som en proxy for volatilitet på børsen, når volatiliteten stiger, vil vores hypotetiske portefølje flytte sine aktiver mod kontanter. Når volatiliteten falder, vil vores portefølje skifte aktiver til S & P 500 indeksfonden. Modeller kan være betydeligt mere komplekse end det vi refererer her, måske inklusive aktier, obligationer, råvarer, valutaer og andre investeringer, men begrebet forbliver det samme.

Fordele

Quant trading er en uhensigtsmæssig beslutningsproces. Mønstrene og tallene er lige så vigtige. Det er en effektiv buy / sell disciplin, som kan udføres konsekvent, uhindret af de følelser, der ofte er forbundet med finansielle beslutninger.

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

Risici

"Lies, damn lies and statistics" er et citat, der ofte bruges til at beskrive de utallige måder, hvorpå data kan manipuleres. Mens kvantitative analytikere søger at identificere mønstre, er processen på ingen måde narrebestandig. Analysen indebærer udslip gennem enorme mængder data. At vælge de rigtige data er på ingen måde en garanti, ligesom mønstre, der ser ud til at foreslå bestemte resultater, kan fungere perfekt, indtil de ikke gør det. Selv når et mønster ser ud til at virke, kan validering af mønstrene være en udfordring. Som enhver investor ved, er der ingen sikre væddemål.

Inflationspunkter, som f.eks. Aktiemarkedsnedgangen 2008/2009, kan være hårde på disse strategier, da mønstre kan ændre sig pludseligt. Det er også vigtigt at huske, at data ikke altid fortæller hele historien. Mennesker kan se en skandale eller ledelsesændring som den udvikler, mens en rent matematisk tilgang ikke nødvendigvis kan gøre det. En strategi bliver også mindre effektiv, da et stigende antal investorer forsøger at ansætte det. Mønstre, der virker, bliver mindre effektive, idet flere og flere investorer forsøger at drage fordel af det.

The Bottom Line

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

De kan også bruge kvalitativ indsigt til at vælge investeringer og kvantdata til risikostyring. Mens både kvantitative og kvalitative investeringsstrategier har deres fortalere og deres kritikere, behøver strategierne ikke at være gensidigt udelukkende.