یک نمای کلی از تجزیه و تحلیل کمی

جیمز مک وینی یک همکاری طولانی مدت سرمایه گذاری و یک متخصص در زمینه امور مالی و سرمایه گذاری شخصی است. جیمز با بیش از 25 سال تجربه به عنوان یک حرفه ای ارتباطات تمام وقت ، در مورد امور مالی ، غذا و سفر برای انواع نشریات و وب سایت ها می نویسد. وی لیسانس اصلی هنر خود را در نوشتن حرفه ای و خلاق از دانشگاه کارنگی ملون و کارشناسی ارشد روزنامه نگاری در دانشگاه معبد دریافت کرد.

گوردون اسکات به مدت 20+ سال یک سرمایه گذار فعال و تحلیلگر فنی اوراق بهادار ، آینده ، فارکس و پنی سهام بوده است. وی عضو هیئت بررسی مالی سرمایه گذاری Investopedia و نویسنده سرمایه گذاری برای پیروزی است. گوردون یک تکنسین بازار منشور (CMT) است. او همچنین عضو انجمن CMT است.

مایکل لوگان نویسنده ، تهیه کننده و سرمقاله ای با تجربه است. او به عنوان یک روزنامه نگار ، اخبار تجاری و فناوری را در ایالات متحده و آسیا به طور گسترده پوشش داده است. او محتوای چندرسانه ای تولید کرده است که میلیاردها بازدید در سراسر جهان به دست آورده است.

تجزیه و تحلیل کمی (QA) در امور مالی رویکردی است که بر تجزیه و تحلیل ریاضی و آماری تأکید می کند تا به تعیین ارزش یک دارایی مالی مانند سهام یا گزینه کمک کند. تحلیلگران کمی تجارت (همچنین به عنوان "Quants" شناخته می شوند) از داده های متنوعی - از جمله سرمایه گذاری تاریخی و داده های بازار سهام - برای توسعه الگوریتم های معاملاتی و مدل های رایانه ای استفاده می کنند.

اطلاعات حاصل از این مدل های رایانه ای به سرمایه گذاران کمک می کند تا فرصت های سرمایه گذاری را تجزیه و تحلیل کنند و آنچه را که معتقدند یک استراتژی تجاری موفق خواهد بود ، توسعه دهند. به طور معمول ، این استراتژی تجارت شامل اطلاعات بسیار خاصی در مورد نقاط ورود و خروج ، خطر مورد انتظار تجارت و بازده مورد انتظار خواهد بود.

هدف نهایی تجزیه و تحلیل کمی مالی استفاده از آمار و معیارهای قابل اندازه گیری برای کمک به سرمایه گذاران در تصمیم گیری های سرمایه گذاری سودآور است. در این مقاله ، ما تاریخ سرمایه گذاری کمی را مرور می کنیم ، آن را با تجزیه و تحلیل کیفی مقایسه می کنیم و نمونه ای از یک استراتژی مبتنی بر کمی در عمل را ارائه می دهیم.

غذای اصلی

• تجزیه و تحلیل کمی از ظهور دوران رایانه پدید آمده است ، که تجزیه و تحلیل مقادیر عظیمی از داده ها را در مدت زمان کوتاهی آسانتر از گذشته کرده است.
• تحلیلگران کمی تجارت (Quants) الگوهای معاملاتی را شناسایی می کنند ، مدل هایی را برای ارزیابی این الگوها می سازند و از اطلاعات برای پیش بینی در مورد قیمت و جهت اوراق بهادار استفاده می کنند.
• پس از ساخت مدل ها و جمع آوری اطلاعات ، Quants از داده ها برای تنظیم معاملات خودکار اوراق بهادار استفاده می کنند.
• تجزیه و تحلیل کمی با تجزیه و تحلیل کیفی متفاوت است ، که به عواملی مانند ساختار شرکت ها ، آرایش تیم های مدیریتی آنها و نقاط قوت و ضعف آنها نگاه می کند.

وارد "Quants" شوید

هری مارکوویتز ، اقتصاددان برنده جایزه نوبل ، به طور کلی با شروع جنبش سرمایه گذاری کمی هنگام انتشار "انتخاب نمونه کارها" در مجله امور مالی در مارس 1952 اعتبار می یابد. ماروویتز تئوری نمونه کارها را معرفی کرد (MPT) ، که نشان می دهد سرمایه گذاران چگونه می توانند ساخت یک ساخت یکنمونه کارها متنوع دارایی هایی که قادر به حداکثر رساندن بازده برای سطح مختلف ریسک هستند. ماركوویتز از ریاضیات برای تعیین كمكی متنوع استفاده كرد و به عنوان یك پذیرنده اولیه این مفهوم ذکر شده است كه می توان از مدلهای ریاضی برای سرمایه گذاری استفاده كرد.

رابرت مرتون ، پیشگام در تئوری مالی مدرن ، برای تحقیقات خود در مورد روشهای ریاضی برای مشتقات قیمت گذاری ، جایزه نوبل را کسب کرد. کار مارکوویتز و مرتون پایه و اساس رویکرد کمی (کمی) برای سرمایه گذاری را ایجاد کرد.

کمی در مقابل تحلیل کیفی

بر خلاف تحلیلگران سرمایه گذاری کیفی سنتی ، Quants از شرکت ها بازدید نمی کنند ، تیم های مدیریت را ملاقات می کنند یا محصولاتی را که شرکت ها می فروشند برای شناسایی یک رقم رقابتی تحقیق می کنند. آنها غالباً از جنبه های کیفی شرکت هایی که در آنها سرمایه گذاری می کنند یا محصولات یا خدماتی که این شرکت ها ارائه می دهند ، نمی دانند و یا اهمیت نمی دهند. درعوض ، آنها صرفاً به ریاضیات متکی هستند تا تصمیمات سرمایه گذاری را اتخاذ کنند.

Quants - که اغلب دارای پیشینه علمی و مدرک آمار یا ریاضی هستند - از دانش خود در مورد رایانه ها و زبانهای برنامه نویسی برای ساخت سیستم های معاملاتی سفارشی که به صورت خودکار فرآیند تجارت استفاده می کنند ، استفاده می کنند. ورودی های برنامه های آنها ممکن است از نسبت های مالی کلیدی (مانند نسبت قیمت به درآمد) به محاسبات پیچیده تر ، مانند ارزیابی های تخفیف نقدی (DCF) متغیر باشد.

یک تحلیلگر کمی چه کاری انجام می دهد؟

مدیران صندوق پرچین این روش را پذیرفتند. پیشرفت در فناوری محاسبات بیشتر زمینه را پیشرفت می کند ، زیرا الگوریتم های پیچیده می توانند در چشمان چشم محاسبه شوند ، بنابراین استراتژی های معاملاتی خودکار ایجاد می کنند. این مزرعه در طول رونق و شلوغی Dotcom شکوفا شد.

استراتژی های کمکی در رکود اقتصادی بزرگ ناکام ماندند زیرا آنها نتوانستند تأثیر اوراق بهادار تحت حمایت وام را در بازار و اقتصاد به طور کلی به حساب آوردند. با این حال ، استراتژی های کمتری امروزه مورد استفاده قرار می گیرند و به دلیل نقش خود در تجارت با فرکانس بالا (HFT) که به ریاضیات متکی است برای تصمیم گیری در مورد تجارت ، توجه قابل توجهی را به خود جلب کرده است.

سرمایه گذاری کمی نیز به طور گسترده به عنوان یک رشته مستقل و در رابطه با تجزیه و تحلیل کیفی سنتی برای تقویت بازده و کاهش ریسک انجام می شود.

Quants با تحلیلگران کیفی بسیار متفاوت است ، به این دلیل که در درجه اول بر اساس معادلات و مدلهای ریاضی تصمیم می گیرند.

داده ها ، داده ها در همه جا

ظهور دوران رایانه باعث می شود که در دوره های کوتاه مدت فوق العاده ، حجم عظیمی از داده ها را خرد کند. این امر منجر به استراتژی های معاملاتی کمی به طور فزاینده پیچیده شده است ، زیرا معامله گران به دنبال شناسایی الگوهای مداوم ، مدل سازی آن الگوهای و استفاده از آنها برای پیش بینی حرکات قیمت در اوراق بهادار هستند.

Quants استراتژی های خود را با استفاده از داده های عمومی در دسترس اجرا می کند. شناسایی الگوهای آنها را قادر می سازد تا محرک های اتوماتیک را برای خرید یا فروش اوراق بهادار تنظیم کنند.

به عنوان مثال ، یک استراتژی معاملاتی مبتنی بر الگوهای حجم معاملات ممکن است ارتباط بین حجم معاملات و قیمت ها را مشخص کند. بنابراین اگر حجم معاملات در سهام خاص افزایش یابد وقتی قیمت سهام به 25 دلار در هر سهم رسید و وقتی قیمت به 30 دلار رسید ، کاهش می یابد ، یک مقدار ممکن است یک خرید اتوماتیک را با قیمت 25. 50 دلار و فروش اتوماتیک با قیمت 29. 50 دلار تنظیم کند.

استراتژی های مشابه می تواند براساس درآمد ، پیش بینی درآمد ، شگفتی درآمدها و بسیاری از عوامل دیگر باشد. در هر حالت ، معامله گران Quant Pure به چشم انداز فروش شرکت ، تیم مدیریت ، کیفیت محصول یا هر جنبه دیگری از تجارت خود اهمیت نمی دهند. آنها سفارشات خود را برای خرید و فروش کاملاً بر اساس شماره های حساب شده در الگوهای شناسایی شده قرار می دهند.

از تجزیه و تحلیل کمی می توان برای کاهش ریسک با ایجاد مدل های رایانه ای که سرمایه گذاری را شناسایی می کند که بهترین سطح بازده نسبت به سطح مورد نظر ریسک را فراهم می کند ، استفاده شود.

شناسایی الگوهای برای کاهش خطر

از تجزیه و تحلیل کمی می توان برای شناسایی الگویی که ممکن است خود را به معاملات امنیتی سودآور وام دهد ، استفاده شود ، اما این تنها ارزش آن نیست. در حالی که کسب درآمد هدفی است که هر سرمایه گذار می تواند درک کند ، از تجزیه و تحلیل کمی نیز می توان برای کاهش ریسک استفاده کرد.

پیگیری به اصطلاح "بازده تنظیم شده ریسک" شامل مقایسه اقدامات ریسک مانند آلفا ، بتا ، R-Squared ، انحراف استاندارد و نسبت شارپ برای شناسایی سرمایه گذاری است که بالاترین سطح بازده را برای سطح معین ارائه می دهدخطر. ایده این است که سرمایه گذاران برای دستیابی به سطح هدفمند بازده خود نباید بیش از آنچه لازم است ، ریسک کنند.

بنابراین اگر داده ها نشان دهند که احتمالاً دو سرمایه گذاری بازده مشابهی را ایجاد می کنند ، اما این که از نظر نوسانات قیمت بالا و پایین به طور قابل توجهی بی ثبات تر خواهد بود ، Quants (و عقل سلیم) سرمایه گذاری کمتری را توصیه می کند. مجدداً ، Quants به اینكه چه كسی سرمایه گذاری را مدیریت می كند ، ترازنامه آن به نظر می رسد ، چه محصول كمك می كند تا درآمد کسب كند یا هر یك از عوامل کیفی دیگر را به دست آورد. آنها کاملاً روی شماره ها تمرکز می کنند و سرمایه گذاری را انتخاب می کنند که (از نظر ریاضی) کمترین سطح ریسک را ارائه می دهد.

اوراق بهادار ریسک نمونه نمونه ای از استراتژی های مبتنی بر کمی در عمل است. مفهوم اساسی شامل تصمیم گیری های تخصیص دارایی بر اساس نوسانات بازار است. هنگامی که نوسانات کاهش می یابد ، سطح ریسک پذیری در نمونه کارها بالا می رود. با افزایش نوسانات ، سطح ریسک پذیری در نمونه کارها کاهش می یابد.

مثال تجزیه و تحلیل کمی

برای اینکه مثال کمی واقع بینانه تر شود ، یک نمونه کارها را در نظر بگیرید که دارایی های خود را بین پول نقد و صندوق شاخص S& P 500 تقسیم می کند. با استفاده از شاخص نوسانات مبادله گزینه های هیئت مدیره شیکاگو (VIX) به عنوان پروکسی برای نوسانات بورس سهام ، هنگامی که نوسانات افزایش می یابد ، سبد فرضی ما دارایی های خود را به سمت پول نقد تغییر می دهد.

هنگامی که نوسانات کاهش می یابد ، نمونه کارها ما دارایی ها را به صندوق شاخص S& P 500 تغییر می دهد. مدل ها می توانند به طور قابل توجهی پیچیده تر از مدل مورد نظر در اینجا باشند ، شاید شامل سهام ، اوراق قرضه ، کالاها ، ارزها و سایر سرمایه گذاری ها باشد ، اما این مفهوم یکسان است.

مزایای تجارت کمی

تجارت کمی یک روند تصمیم گیری ناامید کننده است. الگوهای و اعداد همه چیز مهم است. این یک رشته خرید و فروش مؤثر است ، زیرا می تواند به طور مداوم اجرا شود ، بدون مانع از احساسی که اغلب با تصمیمات مالی همراه است.

همچنین یک استراتژی مقرون به صرفه است. از آنجا که رایانه ها کار را انجام می دهند ، بنگاه هایی که به استراتژی های کمی اعتماد دارند ، نیازی به استخدام تیم های بزرگ و گران قیمت تحلیلگران و مدیران نمونه کارها ندارند. آنها برای ارزیابی سرمایه گذاری های احتمالی نیازی به سفر به کشور یا شرکت های بازرسی در جهان و ملاقات با مدیریت ندارند. آنها از رایانه ها برای تجزیه و تحلیل داده ها و اجرای معاملات استفاده می کنند.

خطرات چیست؟

"دروغ ، دروغ لعنتی و آمار" نقل قول است که اغلب برای توصیف بیشماری از روش هایی که می توان داده ها را می توان در آن دستکاری کرد ، استفاده می شود. در حالی که تحلیلگران کمی به دنبال شناسایی الگوهای هستند ، این روند به هیچ وجه ضد احمق نیست. تجزیه و تحلیل شامل جمع آوری از طریق مقادیر زیادی از داده ها است. انتخاب داده های مناسب به هیچ وجه ضمانتی نیست ، دقیقاً همانطور که الگوهای معاملاتی که به نظر می رسد نتایج خاصی را نشان می دهد ممکن است کاملاً کار کند تا زمانی که آنها نشوند. حتی وقتی الگویی به نظر می رسد ، اعتبار الگوها می تواند یک چالش باشد. همانطور که هر سرمایه گذار می داند ، هیچ شرط اطمینان وجود ندارد.

نقاط تورم ، مانند رکود بازار سهام 2008-09 ، می تواند در این استراتژی ها سخت باشد ، زیرا الگوهای می توانند به طور ناگهانی تغییر کنند. همچنین مهم است که به یاد داشته باشید که داده ها همیشه کل داستان را نمی گویند. انسان ها می توانند رسوایی یا تغییر مدیریت را در حال پیشرفت ببینند ، در حالی که یک رویکرد کاملاً ریاضی لزوماً نمی تواند این کار را انجام دهد. همچنین ، با افزایش تعداد فزاینده سرمایه گذاران برای استفاده از آن ، یک استراتژی کمتر مؤثر می شود. الگوهای کار کمتر مؤثر خواهند بود زیرا سرمایه گذاران بیشتر و بیشتر سعی می کنند از آنها سود ببرند.

خط پایین

بسیاری از استراتژی های سرمایه گذاری از ترکیبی از استراتژی های کمی و کیفی استفاده می کنند. آنها از استراتژی های کمی برای شناسایی سرمایه گذاری های بالقوه استفاده می کنند و سپس از تجزیه و تحلیل کیفی استفاده می کنند تا تلاش های تحقیق خود را به سطح بعدی در شناسایی سرمایه گذاری نهایی برسانند.

آنها همچنین ممکن است از بینش کیفی برای انتخاب سرمایه گذاری و داده های کمی برای مدیریت ریسک استفاده کنند. در حالی که هر دو استراتژی سرمایه گذاری کمی و کیفی طرفداران و منتقدین خود را دارند ، اما استراتژی ها نیازی به انحصاری متقابل ندارند.