Математика на бирже

В финансовом мире год от года растет интерес к квантовым стратегиям. В минувшем апреле, когда индекс S&P 500 по итогам первого квартала упал более чем на 11%, некоторые квантовые фонды показали за тот же период рост доходности до 24%. По данным Barclay Hedge, более 90% средств под управлением фондов, работающих на рынке фьючерсов, находятся у игроков, пользующихся торговыми алгоритмами. Чем этот подход и привлекателен, и рискован? Разбираем нюансы квантового инвестирования с помощью «Алго Капитал»: эта компания начала разрабатывать количественные методы анализа финансового рынка и применять их в построении инвестиционных стратегий в 2009 году. Сейчас ее рублевая стратегия «Энергия» занимает первое место по уровню доходности в рэнкинге управляющих Московской биржи, а долларовая стратегия NC3816 входит в топ-10 рейтинга Barclay Hedge.

Миф 1. Квантовые инвестиции — это скорее хайп, чем долгосрочно работающая технология

Действительно, в последние три года о квантовых фондах говорят и пишут особенно много, ссылаясь на впечатляющие показатели их работы. Или, как минимум, оптимальные по сравнению с текущим состоянием рынков. Неудивительно: постоянным фактором мировой экономики стала волатильность, а квантовые стратегии приносят ощутимую прибыль именно в таких условиях. В основе подхода нет ничего принципиально нового: нужно вычислить актив, который недооценен или переоценен, и дальше покупать (создавать длинные позиции) или продавать (шортить). Вопрос в том, как предугадать тренд и определить самый подходящий момент, причем в отношении широкого ряда биржевых инструментов. Такая прогнозная аналитика и создание рабочих алгоритмов предполагает глубокие математические расчеты и обработку большого объема данных, поэтому метод и называется квантовым — от английского quantitative investing (количественное инвестирование).

Миф 2. Квантовые стратегии — «чёрные ящики», в которых не способны разобраться даже их создатели

В истории количественного инвестирования были как крупные провалы, так и настоящие катастрофы. Например, в 1998 году обанкротился американский фонд, который использовал алгоритмические модели, разработанные двумя нобелевскими лауреатами. В январе 2015 года резкий скачок курса швейцарского франка увел в большой месячный «минус» самый известный в США алгоритмический хедж-фонд. Подобных негативных примеров можно привести множество. Но ни один не свидетельствует об отрицательных сторонах метода, из-за которых алгоритм рано или поздно выходит из-под контроля — скорее, отражает недостатки конкретной стратегии и инструментария, а также качество риск-менеджмента.

Полный текст материала на сайте Forbes

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.