Alla potentiella höga, låga och känslor som är förknippade med att investera kan överskugga det ultimata målet - tjäna pengar. I ett försök att fokusera på det senare och eliminera det förra försöker "kvantitativa" investeringsmetoden att uppmärksamma siffrorna i stället för immateriella tillgångar.

Skriv in "Quants"

Harry Markowitz krediteras generellt med att börja med den kvantitativa investeringsrörelsen när han publicerade ett "Portfolio Selection" i Journal of Finance i mars 1952. Markowitz använde matematik för att kvantifiera diversifiering och citeras som en tidig adopterare av konceptet att matematiska modeller skulle kunna tillämpas på investeringar. Robert Merton, en pionjär i modern finansteori, vann ett Nobelpris för sin arbetsforskning om matematiska metoder för prissättning av derivat. Markowitz och Mertons arbete lade grunden för det kvantitativa (quant) tillvägagångssättet att investera.

Till skillnad från traditionella kvalitativa investeringsanalytiker besöker inte quants företag, möter ledningsgrupperna eller forskar de produkter som företagen säljer i en ansträngningar att identifiera en konkurrensfördel. De vet ofta inte eller bryr sig om de kvalitativa aspekterna av de företag de investerar i, förlitar sig rent på matematik för att fatta investeringsbeslut.

Hedgefondsförvaltare ced metodiken och framstegen inom datateknik som vidareutvecklade fältet, eftersom komplexa algoritmer kunde beräknas i ögonkontakt. Fältet blomstrade under dotcom boom och byst, som quants i stor utsträckning undviker raseri av tech bust och marknadskrasch.

Samtidigt som de snubblat i den stora lågkonjunkturen, fortsätter kvantstrategierna idag och har uppmärksammats för deras roll i högfrekvent handel (HFT) som bygger på matematik för att fatta handelsbeslut. Kvantitativ investering utövas i stor utsträckning både som en fristående disciplin och i samband med traditionell kvalitativ analys för både återhämtning och riskreducering.

Data, data överallt

Uppväxten av datortiden gjorde det möjligt att krossa enorma datamängder på utomordentligt korta perioder. Detta har lett till alltmer komplexa kvantitativa handelsstrategier, eftersom näringsidkare försöker identifiera konsekventa mönster, modellerar dessa mönster och använder dem för att förutsäga prisförändringar i värdepapper.

Kvantiteterna genomför sina strategier med hjälp av allmänt tillgänglig data. Identifiering av mönster gör att de kan skapa automatiska utlösare för att köpa eller sälja värdepapper. Till exempel kan en handelsstrategi baserad på handelsvolymmönster ha identifierat en korrelation mellan handelsvolym och priser. Så om handelsvolymen på ett visst lager stiger när aktiekursen träffar 25 dollar per aktie och faller när priset slår 30 dollar, kan en quant skapa ett automatiskt köp på 25 dollar.50 och automatiskt sälja till 29 dollar. 50.

Liknande strategier kan baseras på intäkter, resultatprognoser, vinstöverraskningar och värd för andra faktorer. I varje fall bryr sig rena kvanthandlare inte om företagets försäljningsutsikter, ledningsgrupp, produktkvalitet eller någon annan aspekt av verksamheten. De lägger sina order att köpa och sälja strikt baserat på de siffror som redovisas i de mönster de har identifierat.

Utöver vinst

Kvantitativ analys kan användas för att identifiera mönster som kan låna sig till lönsamma säkerhetsaffärer, men det är inte det enda värdet. Samtidigt som man gör pengar är ett mål varje investerare kan förstå, kan kvantitativ analys också användas för att minska risken.

Att sträva efter så kallade "riskjusterade avkastningar" innebär att man jämför riskmetoder som alfa, beta, r-kvadrat, standardavvikelse och Sharpe-förhållandet för att identifiera investeringen som kommer att ge högsta avkastning för given risknivå. Tanken är att investerare inte tar mer risk än vad som är nödvändigt för att uppnå sin målinriktade avkastning.

Så, om uppgifterna visar att två investeringar sannolikt kommer att generera liknande avkastningar, men den kommer att vara betydligt mer volatil i fråga om prisuppgångar upp och ner, skulle quants (och sunt förnuft) rekommendera den mindre riskabla investeringen. Återigen bryr sig inte köparna om vem som hanterar investeringen, hur balansräkningen ser ut, vilken produkt som hjälper till att tjäna pengar eller någon annan kvalitativ faktor. De fokuserar helt och hållet på siffrorna och väljer den investering som (matematiskt sett) erbjuder lägsta risknivå.

Riskparitetsportföljer är ett exempel på kvantbaserade strategier i aktion. Det grundläggande begreppet innebär att beslut om tillgångsallokering baseras på volatiliteten på marknaden. När volatiliteten minskar ökar risknivån i portföljen. När volatiliteten ökar, sänks risknivån i portföljen.

För att göra exemplet lite mer realistiskt, överväga en portfölj som delar sina tillgångar mellan kontanter och en S & P 500 indexfond. Med hjälp av Chicago Board Options Exchange Volatility Index (VIX) som en proxy för volatiliteten på börsen, när volatiliteten stiger, skulle vår hypotetiska portfölj ändra sina tillgångar mot kontanter. När volatiliteten minskar kommer vår portfölj att flytta tillgångar till S & P 500 indexfonden. Modeller kan vara betydligt mer komplexa än det vi refererar här, kanske inklusive aktier, obligationer, råvaror, valutor och andra investeringar, men konceptet förblir detsamma.

Fördelar

Kvanthandel är en avgörande beslutsprocess. Mönstren och siffrorna är alla som spelar roll. Det är en effektiv buy / sell disciplin, som kan genomföras konsekvent, obehindrat av de känslor som ofta är förknippade med ekonomiska beslut.

Det är också en kostnadseffektiv strategi. Eftersom datorer gör arbetet behöver företag som förlita sig på kvantstrategier inte anställa stora, dyra team av analytiker och portföljförvaltare.De behöver inte heller resa runt landet eller världen som inspekterar företag och träffas med ledningen för att bedöma potentiella investeringar. De brukar helt enkelt använda datorer för att analysera data och genomföra affärer.

Risker

"Lies, damn lies and statistics" är ett citat som ofta används för att beskriva de många sätten att data kan manipuleras. Medan kvantitativa analytiker försöker identifiera mönster, är processen inte på något sätt idiotsäker. Analysen innebär att man slänger igenom stora mängder data. Att välja rätt data är ingen garanti, precis som mönster som tyder på vissa resultat kan fungera perfekt tills de inte gör det. Även när ett mönster verkar fungera kan valideringen av mönstren vara en utmaning. Som alla investerare vet är det osannolika insatser.

Inflexionspunkter, som till exempel börsnedgången 2008/2009, kan vara tuffa på dessa strategier, eftersom mönster kan förändras plötsligt. Det är också viktigt att komma ihåg att data inte alltid berättar hela historien. Människor kan se en skandal eller förvaltningsändring när den utvecklas, medan en rent matematisk metod inte nödvändigtvis kan göra det. En strategi blir också mindre effektiv eftersom allt fler investerare försöker använda det. Mönster som fungerar blir mindre effektiva eftersom fler och fler investerare försöker dra nytta av det.

Bottom Line

Många investeringsstrategier använder en blandning av både kvantitativa och kvalitativa strategier. De använder kvantstrategier för att identifiera potentiella investeringar och sedan använda kvalitativ analys för att göra 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. Medan både kvantitativa och kvalitativa investeringsstrategier har sina förespråkare och deras kritiker behöver strategierna inte vara ömsesidigt exklusiva.