Информация - основная «пища» для квантовых фондов. Где раздобыть её в достаточном количестве?

Ссылка на первоисточник

Старая поговорка гласит, что при анализе финансовых активов важнее всего решить, какую информацию отправить в мусорную корзину, а какую - использовать (“Rubbish in, rubbish out”). Вне зависимости от того, составляет инвестиционный портфель аналитик или управляющий фонда, использует он простой или сложный подход к оценке активов, качество сделанных выводов и прогнозов напрямую зависит от качества первичной информации.

Аналитики находятся в непрерывной борьбе: за получение новой информации, за нахождение новых факторов, которые помогли бы их инвестиционным моделям прогнозировать доходность определённой компании или актива. И даже лучшие аналитики зачастую неверно трактуют ситуацию на рынке, потому что оперируют некорректной или не относящейся к этой ситуации информацией.

Со времён, когда будущую доходность портфеля рассчитывали в Excel, для аналитиков и управляющих фондов было жизненно необходимо получать точные данные и выявлять значимые для их инвестиционной стратегии сигналы. Сейчас, когда большинство переходит на стратегии количественного инвестирования (они же систематические или квантовые), качественная информация становится основой всей работы. Количественное инвестирование - подход к управлению активами, при котором использование больших массивов данных, алгоритмов и машинного обучения полностью или частично заменяет необходимость в принятии решений человеком.

Информационный голод

Значимость количественных инвестиций в индустрии управления активами продолжает расти. В конце 2016 объём средств под управлением стратегий количественного инвестирования составлял около 20% от общей суммы активов хедж-фондов. Эта цифра не учитывает растущее число хедж-фондов, совмещающих техники количественного инвестирования и ручного управления активами (появился даже особый термин - «quantamental funds»). В этом случае управляющие используют большие объёмы данных и количественный анализ для поиска инвестиционных идей, но окончательное решение принимает человек.

Фонды количественного инвестирования и фонды, использующие смешанную технику, выигрывают благодаря значительно возросшей ёмкости облачного хранилища и развитию искусственного интеллекта, позволяющему обрабатывать и правильно анализировать большие массивы данных. Фонды конкурируют друг с другом, разрабатывая собственные торговые модели и методологии анализа первичных данных. Большинство этих моделей являются «чёрными ящиками», то есть засекречены, так каждый управляющий старается сохранить своё преимущество перед конкурентами.

Сегодня информация нужна всем. И как и во времена произведения расчётов в Excel, вопрос, какую информацию игнорировать, какую принять во внимание, остаётся самым важным. Чтобы компьютер рассчитал верные результаты, загружаемая в него информация должна быть точной и значимой (т.е. должна непосредственно влиять на исследуемый актив). Кроме самой информации, необходимо всё больше расчётных мощностей, чтобы её обрабатывать.

 

Информационный промысел

Существует масса примеров, как управляющие фондов используют технологию анализа больших массивов данных: например, программы искусственного интеллекта сопоставляют данные кредитных карт, чтобы прогнозировать количество подписчиков Netflix; аналогичные программы получают снимки со спутников, чтобы определить число кранов в Гуанчжоу и рассчитать точные темпы роста жилой недвижимости в Китае.

Недостатка в объёмах информации нет. Согласно данным американского квантового фонда Two Sigma, мир производит миллиард гигабайт данных каждый час. По оценке IBM, 90% существующей сейчас информации создано менее 2 лет назад, то есть большая часть информации новая.

Современный софт и простой и дешёвый доступ к облачному хранилищу легко справляются с этим массивом данных. Управляющие активами все больше используют современные технологические возможности. Но настоящий профессионализм заключается в том, чтобы понять, какие данные имеют значение и помогают управляющим принимать правильные финансовые решения. По сути, нет смысла считать количество кранов в Гуанчжоу, если спутник не может определить, что треть из них стоит без работы.

 

Слишко много слов

Так как же получить качественную информацию? Раньше управляющие фондов полагались на инвестиционные банки и брокеров, которые предоставляли свои исследования рынка и другую информацию для построения торговых моделей и принятия инвестиционных решений. В этих организациях традиционно работают целые исследовательские департаменты, которые составляют длинные многословные отчёты: балансовые ведомости, прогнозы уровня продаж в определённой отрасли и др. Такая информация может быть обработана и применена для построения стратегии количественного инвестирования. Однако процесс значительно усложняется тем, что такие отчёты составляются в форме текста, в них много оценочных суждений и неточных абстрактных величин, таких как оценка профессионализма совета директоров компании.

Для снабжения инвестиционных фондов актуальной информацией по всем секторам рынка появилось множество компаний, специализирующихся на сборе и анализе данных. Большая часть этой информации доступна в открытых источниках, но без обработки не даёт никакого информационного преимущества. Ещё раз обратимся к кранам в Гуанчжоу: Вы не получите выгоду от их подсчёта, если каждый участник рынка может сделать то же самое.

Таким образом, настоящая проблема заключается в том, чтобы получить «умные» данные и научиться определять сигналы среди информационного шума. Кванты лондонского фонда Winton Asset Management, управляющего 30 миллиардами долларов с помощью количественных методов инвестирования, большую часть своего рабочего времени тратят на то, чтобы вычленить из огромного потока данных ту самую «нужную» информацию. Швейцарская компания GAM управляет фондами количественного инвестирования при помощи команды учёных из Кембриджа, специализирующихся на обработке данных. Они соотносят наборы так называемых альтернативных данных, например, погодные условия, с традиционной «финансовой информацией», чтобы обнаружить активы, которые смогут показать результат «лучше рынка».

Новое поколение исследовательских фирм, появившееся, чтобы составить конкуренцию аналитике, предоставляемой инвестиционными банками, возможно, находится в лучшем положении, т.к. эти компании изначально создавались, чтобы предоставлять «умные» очищенные данные, в которых так нуждаются фонды количественного инвестирования. Такие фирмы способны поставлять аналитику по всем рынкам, отраслям и отдельным компаниям и при этом не облекать её в форму расплывчатого многословного повествования.

Результат исследований таких фирм - это систематизированная информация, основанная на проверенных данных. Вероятно, именно у таких компаний сейчас лучшие условия, чтобы разработать методику переработки расплывчатой информации в полезные цифры. У них есть опыт работы в финансовой сфере, чтобы отобрать данные, необходимые для принятия инвестиционных решений, и помочь правильно их интерпретировать. У них также есть понимание ситуации и возможность связаться со строительными компаниями в Гуанчжоу, чтобы выяснить нюансы и правильно трактовать число кранов на строительных площадках, повышая таким образом качество выводов, сгенерированных искусственным интеллектом.

 

Человек + машина

Стратегии, полностью или частично основанные на методах количественного инвестирования, эволюционируют. Настоящим конкурентным преимуществом становится способность отсеивать среди огромного массива всех доступных данных ценную информацию и умение использовать абстрактные показатели (оценочные суждения и пр.) для принятия инвестиционных решений.

Информация доступна и используется всеми игроками рынка, управляющие активами и исследовательские компании должны сосредоточиться на отборе данных, которые точно соответствуют их целям и могут дать конкурентное преимущество. Большое значение имеет то, как аналитики формулируют свой информационный запрос, как оценивают качество получаемых данных и их значение для отдельной инвестиционной стратегии. В этом процессе, скорее всего, решающим останется мнение человека. Эффективность анализа данных напрямую зависит от качества первичных - вводных - параметров.

В штате и инвестиционных банков, и исследовательских фирм нового поколения достаточно аналитиков и экспертов в сфере финансов с богатым опытом оценки рыночных тредов и с развитыми инстинктами выявления недооцененных активов. Эти человеческие качества, вероятно, будут иметь решающее значение, чтобы помочь управляющим активами понять, на какие данные действительно нужно обращать внимание, и как их интерпретировать.

Ссылка на первоисточник

Все новости
Предыдущая новость Следующая новость
Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, пользовательских данных (сведения о местоположении; тип и версия ОС; тип и версия Браузера; тип устройства и разрешение его экрана; источник откуда пришел на сайт пользователь; с какого сайта или по какой рекламе; язык ОС и Браузера; какие страницы открывает и на какие кнопки нажимает пользователь; ip-адрес) в целях функционирования сайта, проведения ретаргетинга и проведения статистических исследований и обзоров. Если вы не хотите, чтобы ваши данные обрабатывались, покиньте сайт.