Ein einfacher Überblick über die quantitative Analyse
Die quantitative Analyse (QA) im Finanzwesen ist ein Ansatz, der die mathematische und statistische Analyse betont, um den Wert eines finanziellen Vermögenswerts wie einer Aktie oder einer Option zu bestimmen. Quantitative Trading-Analysten (auch als „ Quants “ bekannt) verwenden eine Vielzahl von Daten – einschließlich historischer Investitions- und Börsendaten –, um Handelsalgorithmen und Computermodelle zu entwickeln.
Die von diesen Computermodellen generierten Informationen helfen Anlegern, Anlagemöglichkeiten zu analysieren und eine ihrer Meinung nach erfolgreiche Handelsstrategie zu entwickeln. In der Regel enthält diese Handelsstrategie sehr spezifische Informationen zu Ein- und Ausstiegspunkten, dem erwarteten Risiko des Handels und der erwarteten Rendite.
Das ultimative Ziel der quantitativen Finanzanalyse besteht darin, quantifizierbare Statistiken und Kennzahlen zu verwenden, um Anleger bei profitablen Anlageentscheidungen zu unterstützen. In diesem Artikel betrachten wir die Geschichte des quantitativen Investierens, vergleichen sie mit der qualitativen Analyse und geben ein Beispiel für eine quantbasierte Strategie in Aktion.
Die zentralen Thesen
- Die quantitative Analyse entstand aus dem Aufstieg des Computerzeitalters, was es einfacher als je zuvor machte, große Datenmengen in kurzer Zeit zu analysieren.
- Quantitative Trading-Analysten (Quants) identifizieren Handelsmuster, erstellen Modelle zur Bewertung dieser Muster und verwenden die Informationen, um Vorhersagen über den Preis und die Richtung von Wertpapieren zu treffen.
- Sobald die Modelle erstellt und die Informationen gesammelt wurden, verwenden Quants die Daten, um automatisierte Wertpapiergeschäfte einzurichten.
- Die quantitative Analyse unterscheidet sich von der qualitativen Analyse, die Faktoren wie die Struktur von Unternehmen, die Zusammensetzung ihrer Managementteams und ihre Stärken und Schwächen untersucht.
Geben Sie die „Quants“
Nobelpreis ausgezeichnete Ökonom Harry Markowitz ist in derRegel mit Beginn der quantitativen Anlage Bewegung gutgeschrieben,wenn er veröffentlicht „Portfolio Selection“ imJournal of Finance März 1952. Markowitz eingeführt modernen Portfoliotheorie (MPT), die Investoren zeigten, wie ein konstruieren diversifiziertes Portfolio von Vermögenswerten, das in der Lage ist, die Renditen für verschiedene Risikostufen zu maximieren. Markowitz verwendete Mathematik, um die Diversifikation zu quantifizieren , und wird als einer der ersten Anwender des Konzepts zitiert, dass mathematische Modelle auf Investitionen angewendet werden könnten.
Robert Merton, ein Pionier der modernen Finanztheorie, erhielt einen Nobelpreis für seine Forschung zu mathematischen Methoden zur Preisgestaltung von Derivaten. Die Arbeit von Markowitz und Merton legte den Grundstein für den quantitativen (quantitativen) Anlageansatz.
Quantitative vs. qualitative Analyse
Im Gegensatz zu traditionellen qualitativen Investmentanalysten besuchen Quants keine Unternehmen, treffen sich nicht mit den Managementteams oder recherchieren die Produkte, die die Unternehmen verkaufen, um einen Wettbewerbsvorteil zu ermitteln. Sie kennen oder interessieren sich oft nicht für die qualitativen Aspekte der Unternehmen, in die sie investieren, oder die Produkte oder Dienstleistungen, die diese Unternehmen anbieten. Stattdessen verlassen sie sich ausschließlich auf Mathematik, um Anlageentscheidungen zu treffen.
Quants – die häufig einen wissenschaftlichen Hintergrund und einen Abschluss in Statistik oder Mathematik haben – werden ihre Computer- und Programmiersprachenkenntnisse nutzen, um maßgeschneiderte Handelssysteme zu entwickeln, die den Handelsprozess automatisieren. Die Inputs für ihre Programme können von wichtigen Finanzkennzahlen (wie dem Preis-Leistungs-Verhältnis ) bis zu komplexeren Berechnungen wie Discounted-Cashflow Bewertungen (DCF) reichen.
2:11
Hedgefonds-Manager nahmen die Methode an. Fortschritte in der Computertechnologie haben das Feld weiter vorangebracht, da komplexe Algorithmen im Handumdrehen berechnet und so automatisierte Handelsstrategien geschaffen werden konnten. Das Feld florierte während des Dotcom-Booms und der Pleite.
Quant-Strategien stolperten in der Großen Rezession, da sie die Auswirkungen hypothekenbesicherter Wertpapiere auf den Markt und die Wirtschaft insgesamt nicht berücksichtigten. Quant-Strategien werden jedoch bis heute verwendet und haben aufgrund ihrer Rolle im Hochfrequenzhandel (HFT), der sich bei Handelsentscheidungen auf Mathematik stützt, bemerkenswerte Aufmerksamkeit auf sich gezogen. Quantitatives Investieren wird sowohl als eigenständige Disziplin als auch in Verbindung mit traditionellen qualitativen Analysen sowohl zur Renditesteigerung als auch zur Risikominderung häufig praktiziert.
Quants unterscheiden sich stark von qualitativen Analysten, da sie Entscheidungen hauptsächlich auf der Grundlage mathematischer Gleichungen und Modelle treffen.
Daten, Daten überall
Der Aufstieg des Computerzeitalters ermöglichte es, in außerordentlich kurzen Zeiträumen enorme Datenmengen zu verarbeiten. Dies hat zu immer komplexeren quantitativen Handelsstrategien geführt, da Händler versuchen, konsistente Muster zu identifizieren, diese Muster zu modellieren und sie zur Vorhersage von Preisbewegungen bei Wertpapieren zu verwenden.
Die Quants setzen ihre Strategien mit öffentlich verfügbaren Daten um. Die Identifizierung von Mustern ermöglicht es ihnen, automatische Trigger für den Kauf oder Verkauf von Wertpapieren einzurichten.
Beispielsweise kann eine auf Handelsvolumenmustern basierende Handelsstrategie eine Korrelation zwischen Handelsvolumen und Preisen identifiziert haben. Wenn also das Handelsvolumen einer bestimmten Aktie steigt, wenn der Kurs der Aktie 25 USD erreicht, und fällt, wenn der Kurs 30 USD erreicht, könnte ein Quant einen automatischen Kauf bei 25,50 USD und einen automatischen Verkauf bei 29,50 USD einrichten.
Ähnliche Strategien können auf Erträgen, Gewinnprognosen, Gewinnüberraschungen und einer Vielzahl anderer Faktoren basieren. In jedem Fall kümmern sich reine Quant-Trader nicht um die Verkaufsaussichten des Unternehmens, das Managementteam, die Produktqualität oder andere Aspekte seines Geschäfts. Sie platzieren ihre Kauf- und Verkaufsorders strikt auf der Grundlage der Zahlen, die in den von ihnen identifizierten Mustern berücksichtigt werden.
Quantitative Analysen können verwendet werden, um das Risiko zu minimieren, indem Computermodelle erstellt werden, die die Investition identifizieren, die im Verhältnis zum bevorzugten Risikoniveau die beste Rendite bietet.
Identifizieren von Mustern zur Risikominderung
Die quantitative Analyse kann verwendet werden, um Muster zu identifizieren, die sich für profitable Wertpapiergeschäfte eignen, aber das ist nicht der einzige Wert. Während Geld zu verdienen ein Ziel ist, das jeder Anleger verstehen kann, kann die quantitative Analyse auch verwendet werden, um das Risiko zu reduzieren.
Das Streben nach sogenannten „risikoadjustierten Renditen“ beinhaltet den Vergleich von Risikomaßen wie Alpha, Beta, R-Quadrat, Standardabweichung und der Sharpe-Ratio, um die Anlage zu identifizieren, die die höchste Rendite für das gegebene Niveau von. liefert Risiko. Die Idee ist, dass Anleger nicht mehr Risiko eingehen sollten, als notwendig ist, um ihre angestrebte Rendite zu erzielen.
Wenn die Daten also zeigen, dass zwei Investments wahrscheinlich ähnliche Renditen erzielen, eine jedoch deutlich volatiler in Bezug auf Preisschwankungen nach oben und unten ist, würden die Quants (und der gesunde Menschenverstand) die weniger riskante Investition empfehlen. Auch hier ist es den Quants egal, wer die Investition verwaltet, wie ihre Bilanz aussieht, welches Produkt ihnen hilft, Geld zu verdienen oder andere qualitative Faktoren. Sie konzentrieren sich ganz auf die Zahlen und wählen die Anlage, die (mathematisch gesehen) das geringste Risiko bietet.
Risikoparitätische Portfolios sind ein Beispiel für quantenbasierte Strategien in Aktion. Das Grundkonzept besteht darin, Entscheidungen zur Vermögensallokation basierend auf der Marktvolatilität zu treffen. Wenn die Volatilität sinkt, steigt die Risikobereitschaft des Portfolios. Wenn die Volatilität steigt, sinkt die Risikobereitschaft des Portfolios.
Beispiel einer quantitativen Analyse
Um das Beispiel etwas realistischer zu gestalten, stellen Sie sich ein Portfolio vor, das sein Vermögen auf Barmittel und einen S&P 500-Indexfonds aufteilt. Unter Verwendung des Chicago Board Options Exchange Volatility Index ( VIX ) als Proxy für die Aktienmarktvolatilität würde unser hypothetisches Portfolio bei steigender Volatilität seine Vermögenswerte in Bargeld umschichten.
Wenn die Volatilität sinkt, würde unser Portfolio Vermögenswerte in den S&P 500-Indexfonds umschichten. Modelle können wesentlich komplexer sein als das hier genannte Modell, das vielleicht Aktien, Anleihen, Rohstoffe, Währungen und andere Anlagen umfasst, aber das Konzept bleibt gleich.
Die Vorteile des Quantenhandels
Quantenhandel ist ein nüchterner Entscheidungsprozess. Die Muster und Zahlen sind alles, was zählt. Es ist eine effektive Kauf- / Verkaufsdisziplin, die konsequent ausgeführt werden kann, ungehindert von den Emotionen, die häufig mit finanziellen Entscheidungen verbunden sind.
Es ist auch eine kostengünstige Strategie. Da Computer die Arbeit erledigen, müssen Unternehmen, die auf quantitative Strategien angewiesen sind, keine großen, teuren Teams von Analysten und Portfoliomanagern einstellen. Sie müssen auch nicht durch das Land oder die Welt reisen, um Unternehmen zu inspizieren und sich mit dem Management zu treffen, um potenzielle Investitionen zu bewerten. Sie verwenden Computer, um die Daten zu analysieren und die Trades auszuführen.
Was sind die Risiken?
„Lügen, verdammte Lügen und Statistiken“ ist ein Zitat, das oft verwendet wird, um die unzähligen Möglichkeiten zu beschreiben, wie Daten manipuliert werden können. Während quantitative Analysten versuchen, Muster zu identifizieren, ist der Prozess keineswegs narrensicher. Die Analyse beinhaltet das Aussortieren riesiger Datenmengen. Die Auswahl der richtigen Daten ist keineswegs eine Garantie, ebenso wie Handelsmuster, die auf bestimmte Ergebnisse hindeuten, perfekt funktionieren können, bis dies nicht der Fall ist. Selbst wenn ein Muster zu funktionieren scheint, kann die Validierung der Muster eine Herausforderung sein. Wie jeder Investor weiß, gibt es keine sicheren Wetten.
Wendepunkte, wie der Börsenabschwung von 2008-09, können für diese Strategien schwierig sein, da sich Muster plötzlich ändern können. Es ist auch wichtig, sich daran zu erinnern, dass Daten nicht immer die ganze Geschichte erzählen. Der Mensch kann einen sich entwickelnden Skandal oder Managementwechsel sehen, während ein rein mathematischer Ansatz dies nicht unbedingt tun kann. Außerdem verliert eine Strategie an Effektivität, wenn immer mehr Anleger versuchen, sie anzuwenden. Muster, die funktionieren, werden weniger effektiv, da immer mehr Anleger versuchen, davon zu profitieren.
Die Quintessenz
Viele Anlagestrategien verwenden eine Mischung aus quantitativen und qualitativen Strategien. Sie verwenden quantitative Strategien, um potenzielle Investitionen zu identifizieren, und verwenden dann qualitative Analysen, um ihre Forschungsbemühungen bei der Identifizierung der endgültigen Investition auf die nächste Stufe zu heben.
Sie können auch qualitative Erkenntnisse nutzen, um Investitionen und quantitative Daten für das Risikomanagement auszuwählen. Während sowohl quantitative als auch qualitative Anlagestrategien ihre Befürworter und ihre Kritiker haben, müssen sich die Strategien nicht gegenseitig ausschließen.