سرمایه گذاری کمی-مقدمه ای برای سرمایه گذاری داده های محور و استراتژی های سرمایه گذاری کمی

زمینه سرمایه گذاری عدالت کمی ، که فقط در دهه 1980 و 1990 پدیدار شد ، اکنون بخشی از صنعت مدیریت دارایی است. در حالی که بسیاری از زمینه های صنعت خدمات مالی با استفاده از فناوری و کانال های توزیع جدید مختل می شوند ، سرمایه گذاری Quant همچنان شکوفا می شود.

منبع تصویر: Whitemocca / Shutterstock. com

مدیریت نمونه کارها کمی ، که مبتنی بر شواهد تجربی است ، اثرات منفی احساسات را بر تصمیم گیری از بین می برد ، ارزان تر از تجزیه و تحلیل اساسی است و به تیم های کوچک اجازه می دهد تا جهان بزرگی از اوراق بهادار را پوشش دهند. پتانسیل سرمایه گذاری کمی هنوز هم به طور کامل تحقق می یابد ، با چندین پیشرفت جدید در حال انجام و در افق. در این مقاله مقدمه ای برای سرمایه گذاری کمی به شما ارائه می شود.

سرمایه گذاری کمی چیست؟

منبع تصویر: Viblephoto / Shutterstock. com

مدیریت سرمایه گذاری کمی از مدلهای آماری و ریاضی برای مطالعه رفتار سهام و همچنین سایر کلاسهای دارایی استفاده می کند. دو بخش مجزا برای سرمایه گذاری کمی وجود دارد. تحقیق و اجرایتحقیقات ممکن است براساس تحقیقات اختصاصی یا با استفاده از مقالات دانشگاهی منتشر شده انجام شود.

این تحقیق برای ساخت مدلی استفاده می شود که سهام را با احتمال بالاتر از حد متوسط برای عملکرد از یک شاخص معیار مشخص می کند. برای اجرای یک مدل ، به طور معمول سهام بر اساس یک یا چند ویژگی (یا عوامل) نمره داده می شود و سپس رتبه بندی می شود. یک نمونه کارها سرمایه گذاری کمی به طور معمول سهام برتر را در خود جای داده و سپس در فواصل منظم یا هنگامی که با یک مدل خارج از خط است ، مجدداً تعادل برقرار می شود. از تکنیک های کمی می توان برای مدیریت هر دو اوراق بهادار طولانی و کوتاه / کوتاه استفاده کرد.

چرا سرمایه گذاری کمی؟

منبع تصویر: Rokas Tenys / Shutterstock. com

هنگامی که یک مدیر دارایی فعال تصمیم سرمایه گذاری می کند ، معمولاً براساس اینكه آنها معتقدند كه این شركت در آینده عمل خواهد كرد ، با این فرض كه عملکرد قوی شركت منجر به عملکرد قیمت سهام قوی خواهد شد. این تصمیمات مبتنی بر تجزیه و تحلیل ذهنی مدیریت و محصولات شرکت و بازار و محیط اقتصادی است که در آن فعالیت می کند.

از دهه 1960 وجوه مدیریت شده به طور فعال در برابر شاخص ها معیار شده است. با گذشت زمان مشخص شده است که اکثر بودجه های فعال شده فعال از شاخص های معیار خود به طور مداوم بهتر عمل نمی کنند. پیشرفت در فناوری در دهه 1970 به این معنی بود که تا اوایل دهه 1980 تحلیلگران سرمایه گذاری می توانند برای اولین بار مجموعه داده های بسیار بزرگ را مطالعه کنند. این تجزیه و تحلیل کمی به سرمایه گذاران امکان می دهد دریابند که کدام نوع سهام با گذشت زمان بهتر است.

سرمایه گذاری کمی باعث شد سه چیز ممکن باشد - مطالعه تعداد بیشتری از سهام به طور همزمان ، تصمیمات مبتنی بر شواهد تجربی به جای پیش بینی های ذهنی و یک رویکرد سیستماتیک برای مدیریت نمونه کارها. تحقیقات اولیه مشخص کرد که ناهنجاری های خاصی برای توضیح عملکرد قیمت سهام وجود دارد. ارزش ، حرکت و ارزش بازار اولین عواملی بود که منجر به عملکرد بهتر شد. با گذشت زمان ، سایر عوامل و ترکیب عوامل منجر به عملکرد بیشتر می شود.

تجزیه و تحلیل سرمایه گذاری کمی برای تخصیص دارایی و مدیریت ریسک نیز مفید است. این اجازه می دهد تا یک نمونه کارها بر اساس بازده و نوسانات بلند مدت مورد انتظار ساخته یا تجزیه و تحلیل شود. این اجازه می دهد تا اوراق بهادار متناسب با نیازهای فردی سرمایه گذاران ایجاد شود. این روزها بیشتر صندوق ها برای حداقل برخی از جنبه های فرایند مدیریت نمونه کارها خود از یک رویکرد کمی استفاده می کنند. حتی اگر از آن برای انتخاب سهام استفاده نشود ، معمولاً برای مدیریت ریسک یا تخصیص دارایی استفاده می شود.

کمی در مقابل سرمایه گذاری اساسی

منبع تصویر: Phongphan / Shutterstock. com

رویکردهای سنتی فعال تر و اساسی سرمایه گذاری معمولاً مبتنی بر تجزیه و تحلیل پایین به بالا و پیش بینی درآمد شرکت و رشد اقتصادی است. تجزیه و تحلیل اساسی همچنین به عوامل کیفی مانند کیفیت مدیریت و قدرت ترازنامه می پردازد. هنگام استفاده از عوامل کمی در تصمیمات سرمایه گذاری ، مدیران نمونه کارها به دنبال عواملی هستند که ثابت شده است که به طور قابل اعتماد منجر به عملکرد بهتر می شود. آنها به جای سرمایه گذاری بر اساس پیش بینی های ذهنی ، بر اساس شواهد تجربی ساخته می شوند.

مدل های سرمایه گذاری کمی بر اساس احتمالات و توزیع مورد انتظار بازده است. این بدان معناست که خطر و بازده مورد انتظار می تواند با دقت بیشتری پیش بینی شود ، اما این نیز به اندازه کافی نمونه به اندازه کافی نیاز دارد تا مؤثر باشد. بنابراین ، صندوق های کمتری به طور معمول تعداد بیشتری از اوراق بهادار نسبت به وجوه مدیریت شده فعال دارند.

تصمیمات سرمایه گذاری برای یک صندوق فعال فعال توسط مدیر صندوق با مقدار زیادی اختیار گرفته می شود. برای صندوق های کم ، تصمیمات خرید و فروش توسط یک مدل گرفته می شود و فضای بسیار کمی برای اختیار از طرف مدیر صندوق است.

انواع استراتژی های سرمایه گذاری کمی

منبع تصویر: G-stockstudio / Shutterstock. com

در حالی که بیشتر مدل های سرمایه گذاری کمی با یکدیگر همپوشانی دارند و ممکن است ویژگی های منحصر به فرد خود را نیز داشته باشند ، بیشتر استراتژی ها دارای عناصر معدودی از استراتژی های زیر هستند:

از مدل های سرمایه گذاری فاکتور برای انتخاب سهام استفاده می شود که یک یا چند ویژگی را که از لحاظ تاریخی منجر به عملکرد بهتر شده اند ، به اشتراک می گذارند. عوامل کلی شامل ارزش ، حرکت ، سرمایه گذاری در بازار و رشد است. عوامل خاص تر شامل نسبت هایی مانند قیمت به کتاب ، قیمت به جریان نقدی آزاد و بازده سهام عدالت است. مدل های فاکتور سرمایه گذاری کمی معمولاً هر سهام را در طیف وسیعی از معیارها نمره داده و سپس نمره کل را که برای رتبه بندی سهام استفاده می شود محاسبه کنید.

استراتژی های داوری رویداد محور از الگوهای قیمت که به طور معمول قبل یا بعد از وقایع رخ می دهد استفاده می کند. رویدادها شامل انتشار درآمد ، اعلامیه داده های اقتصاد ، اقدامات شرکت ها و تغییرات نظارتی است. در صورتی که اقدام قیمت از یک الگوی معمولی پیروی کند ، اوراق بهادار کوتاه با خرید یا فروش اوراق بهادار کوتاه ساخته می شود.

استراتژی های کلان جهانی سیستماتیک مبتنی بر تجزیه و تحلیل کمی از اقتصادها در هر کشور و منطقه است. این تجزیه و تحلیل برای تخصیص سرمایه به کشورها ، مناطق ، کلاس دارایی ها و بخش هایی که اصول مطلوب دارند ، استفاده می شود.

منبع تصویر: Welcomia / Shutterstock. com

صندوق های برابری ریسک ، بر اساس نحوه تمایل هر کلاس دارایی در انواع مختلف محیط ، ریسک یک نمونه کارها را در کلاسهای دارایی متعادل می کنند. ایده این است که نوسانات و ضررها در یک کلاس دارایی همیشه توسط سایر کلاس های دارایی جبران می شود. این رویکرد لزوماً از صندوق های سهام خارج نمی شود بلکه می تواند بازده تنظیم شده ریسک بهتری را با گذشت زمان ایجاد کند.

داوری آماری یکی از استراتژی های فعال تر تجارت است. این یک رویکرد برگشت پذیر است که بر اساس روابط بین اوراق بهادار به دنبال سوءاستفاده است. موقعیت های طولانی و کوتاه در سهام مربوطه باز می شوند تا وقتی قیمت ها به حالت عادی باز می گردند ، سود را به سود خود باز می کنند. داوری آماری همچنین از نسبت های مالی برای شناسایی دارایی های گران قیمت استفاده می کند.

آینده های مدیریت شده ، همچنین به عنوان CTA ، مشاوران تجارت کالا و روند پس از صندوق های تامینی شناخته می شوند ، از یک روش سیستماتیک برای پیروی از روند عمده بازار استفاده می کنند. به طور سنتی این وجوه در بازارهای آتی متمرکز شده است ، اما به طور فزاینده ای در بازار سهام نیز فعال هستند.

منبع تصویر: Olivier Le Moal / Shutterstock. com

استراتژی های بتا هوشمند برای مدیریت سیستماتیک وسایل نقلیه منفعل سرمایه گذاری مانند ETF و صندوق های متقابل استفاده می شود. به جای استفاده از سرمایه در بازار به سهام وزن ، می توان از عوامل دیگری برای بهبود بازده تنظیم شده ریسک یک نمونه کارها استفاده کرد.

صندوق های ارزش کمی برای استفاده از هر خط از صورت درآمد و ترازنامه هر شرکت از یک روش روشمند استفاده می کنند. سپس نمره ارزش جمع شده محاسبه و برای رتبه بندی سهام استفاده می شود. این رویکرد سرمایه گذاری با ارزش سیستماتیک می تواند بسیار مؤثر باشد ، اما یک افق زمانی طولانی مدت مورد نیاز است.

A. I. و استراتژی های مبتنی بر داده های بزرگ جدیدترین نوع استراتژی کمی هستند. آنها سعی می کنند با استفاده از تکنیک ها و داده هایی که تا همین اواخر در صنعت مدیریت صندوق مورد استفاده قرار نگرفته اند ، منابع جدیدی از آلفا را پیدا کنند.

مزایای استراتژی های کمی

منبع تصویر: Olivier Le Moal / Shutterstock. com

از آنجا که تصمیمات تجاری کمی توسط یک مدل رایانه ای گرفته می شود ، آنها تحت تأثیر احساسات انسانی قرار نمی گیرند. هنگامی که مردم تصمیمات سرمایه گذاری می گیرند ، اغلب تحت تأثیر ترس یا حرص و آز قرار می گیرند. این امر در مورد هر دو موقعیت ورود و خروجی صدق می کند ، جایی که انضباط اغلب برای سرمایه گذاران مشکل دارد. علاوه بر این ، سرمایه گذاری کمی در واقع می تواند از تصمیم گیری های غیر منطقی در بازار استفاده کند.

تیم های کوچک تحلیلگران کمی می توانند تعداد بسیار زیادی از اوراق بهادار را پوشش دهند. آنها می توانند بدون نیاز به استخدام تحلیلگران جدید ، چندین بخش ، مناطق و کشورها را تحت پوشش قرار دهند. بنابراین تیم های کمتری فرصت بیشتری برای یافتن اوراق بهادار دارند که احتمالاً از آن بهتر عمل می کنند. همچنین به این معنی است که تجزیه و تحلیل بر اساس "در هر سهام" ارزان تر است.

سرمایه گذاری کمی مبتنی بر شواهد است ، به این معنی که نتایج به ویژه از نظر ریسک مورد انتظار و مشخصات بازده قابل پیش بینی تر هستند. بنابراین آنها می توانند بهتر با نیازهای سرمایه گذاران مختلف مطابقت داشته باشند. پس از ایجاد ، مدل های کمی می توانند به راحتی و ارزان در بازارهای مختلف آزمایش شوند ، با یا بدون اصلاحاتی انجام می شوند.

مضرات استراتژی های کمی

منبع تصویر: FGC / Shutterstock. com

از آنجا که استراتژی های کم بر اساس توزیع و احتمالات بازده مورد انتظار است ، تعداد نسبتاً زیادی از منابع لازم است. این می تواند به رقیق بازده منجر شود. استراتژی های کمی به طور معمول برای انجام دوره های طولانی نیاز به دوره های طولانی دارند و اغلب معیار خود را نسبت به افق زمانی کوتاه تر کم می کنند. این در مورد همه صندوق های کمی صادق نیست ، و اکنون از منابع داده جدید برای ایجاد مدلهایی استفاده می شود که در کوتاه مدت آلفا تولید می کنند. بیشتر وجوه کمی قادر به در نظر گرفتن عوامل ذهنی نیستند.

در حالی که صندوق‌هایی با سوگیری حرکت قوی می‌توانند عملکرد سهام رشد را به تصویر بکشند، وجوه مبتنی بر عوامل دیگر معمولاً سهام با رشد بالا را از دست می‌دهند. استراتژی‌های کوانت در برابر افزایش ناگهانی نوسانات و خرابی‌های ناگهانی آسیب‌پذیر هستند که می‌تواند توسط سایر استراتژی‌های معاملاتی الگوریتمی ایجاد شود. این واقعیت که صندوق های کمی بدون هیچ اختیاری مدیریت می شوند می تواند یک شمشیر دولبه باشد. در بیشتر موارد، ماهیت بی‌طرفانه تصمیم‌گیری یک مزیت است، اما مواردی وجود دارد که می‌تواند یک نقطه ضعف باشد.

سرمایه گذاری کمی امروز

منبع تصویر: النور / Shutterstock. com

امروزه، وال استریت سرمایه گذاری کمی را پذیرفته است و از تکنیک های کمی برای مدیریت اکثر انواع صندوق های سرمایه گذاری، از جمله صندوق های سرمایه گذاری مشترک، صندوق های تامینی، ETF و پرتفوی های تفکیک شده استفاده می شود. تکنیک های کمی نیز برای تخصیص دارایی و مدیریت ریسک و همسوسازی پرتفوی ها با نیازهای مشتریان استفاده می شود.

مرز جدید برای سرمایه گذاری کمی، ایجاد استراتژی هایی است که به طور کامل فناوری را در بر می گیرد. هوش مصنوعی برای یافتن الگوها و روابط مبهم‌تر بین قیمت دارایی و داده‌های سایر منابع داده استفاده می‌شود. داده های بزرگ برای منبع و استخراج منابع جدید داده استفاده می شود که ممکن است به ایجاد ایده آلفا منجر شود. داده های تولید شده توسط کاربر برای اندازه گیری احساسات سرمایه گذار مورد استفاده قرار می گیرد که می تواند با قیمت دارایی ها ترسیم شود.

پلتفرم‌های کوانتی مانند Quantopian و Quandl نیز برای جمع‌کردن ایده‌های منبع استفاده می‌شوند و به تحلیلگران کوانت اجازه می‌دهند با یکدیگر همکاری کنند و داده‌ها را منبع‌دهی کنند. مشاوران Robo که به سرمایه گذاران فردی اجازه می دهند برای بازنشستگی یا رویدادهای خاص سرمایه گذاری یا پس انداز کنند، از مدل های کمی برای تخصیص سرمایه استفاده می کنند. و در آخر، پلتفرم‌های تجارت اجتماعی به معامله‌گران اجازه می‌دهند تا عملکرد خود را تأیید کنند و سرمایه‌های سرمایه‌گذاران را مدیریت کنند.

آینده سرمایه گذاری کمی

منبع تصویر: Gorodenkoff / Shutterstock. com

سرمایه گذاری کمی در چندین جبهه مختلف در حال پیشرفت است و احتمالاً در آینده شاهد همگرایی این تکنیک ها و بسترهای مختلف خواهیم بود. تحولات در سایر زمینه ها، از جمله معرفی محصولات سرمایه گذاری جدید و طبقات دارایی (به عنوان مثال، ارزهای دیجیتال و اوراق بهادار توکن دار) فرصت های جدیدی را ایجاد می کند.

تداوم جهانی شدن بازارها نیز در آینده نقش خواهد داشت، زیرا سرمایه گذاران می توانند به بازارهای جدید دسترسی پیدا کنند. بزرگترین فرصت ها ممکن است در اختیار A. I باشد. و داده های بزرگاین فناوری‌ها، زمانی که با هم استفاده می‌شوند، به تحلیلگران اجازه می‌دهند تا روابط بین قیمت سهام و داده‌هایی را که به طور سنتی توسط سرمایه‌گذاران استفاده نمی‌شود، بیابند. تصاویر ماهواره‌ای، محتوای رسانه‌های اجتماعی و داده‌های GPS از وسایل نقلیه و دستگاه‌ها همگی منابع بالقوه اطلاعات هستند.

احساسات عاملی است که اهمیت آن برای سرمایه گذاری کمی در حال افزایش است. هر دو A. I. و Big Data به طور گسترده برای مدل سازی احساسات و قدرت پیش بینی آن استفاده می شود. پیشرفت در A. I. ممکن است در نهایت اجازه دهد تا عوامل کیفی مدل شوند. این امر با در نظر گرفتن عوامل ذهنی بیشتر، شکاف بین مدیریت فعال کمی و سنتی صندوق را از بین می برد.

این صنعت همچنین به احتمال زیاد رقابتی تر خواهد شد. فقط شرکت‌های مدیریت دارایی کمی متعهد به تکامل و یافتن استراتژی‌های کمی جدید خواهند بود که قادر خواهند بود به طور مداوم آلفا تولید کنند و در نهایت زنده بمانند.

نتیجه گیری: تحلیل کمی به عنوان رویکردی سیستماتیک برای سرمایه گذاری

تحلیل کمی رویکرد علمی و سیستماتیک تری را برای سرمایه گذاری معرفی کرده است. چندین مزیت برای تصمیم گیری سرمایه گذاری بر اساس شواهد تجربی وجود دارد، از جمله هزینه های نسبی کمتر و حذف احساسات از تصمیم گیری.

استراتژی مبتنی بر یک مدل کوانتی یک گلوله نقره ای نیست و هیچ تضمینی برای عملکرد وجود ندارد، اما در اکثر موارد صندوق های کمی شانس بیشتری برای دستیابی به اهداف خود دارند. معرفی اخیر محصولات، فناوری‌ها و کلاس‌های دارایی جدید نشان می‌دهد که هنوز راه زیادی در پیش است و صنعت در دهه آینده به رشد و تکامل خود ادامه خواهد داد.