Слабые итоги 1-го полугодия у квантов поможет компенсировать популярность data science

Первая половина 2018 года выдалась «горячей» для квантовых инвесторов. По данным исследования Hedge Fund Research (HFR), за январь-июнь приток инвестиций в квантовые стратегии сократился почти в два раза – до $ 4,6 млрд, что является самым слабым показателем для этих стратегий в первом полугодии. Хуже был только январь-июнь 2009 года, когда инвесторы изъяли из квантовых стратегий $35,5 млрд.

Однако эксперты полагают, что растущий интерес к  data science (науке о данных), подстегнет интерес к квантам опять.

По мнению Питера Сона, старшего  инвестиционного менеджера Seven Investment Management, на рынке существует две большие темы, которые двигают квантовые стратегии.  Во-первых, это одержимость рынка очень большими и дорогими запасами FAANG (акции быстрорастущих технологических компаний - Facebook, Amazon, Apple, Netflix и Google), или их коллег, таких как Alibaba и Tencent. Сон говорит, что многие систематические, квантовые фонды (systematic funds) будут делать ставки против этих акций, которые сейчас на взлете, но в результате они упадут.  «Когда вы читаете новости о падении FAANG-ов, вы можете заметить, что систематические фонды в прибыли», - говорит он.

Вторая история заключается в том, что трендовые стратегии сейчас переживают тяжелые времена. И CTA (commodity trading advisers, управляющие активами), и многофакторные фонды, у которых силен трендовый компонент в стратегии, пострадали от внезапного падения фондового рынка в феврале 2018 года  и последующего ралли. «Добавьте к этому рынки с фиксированным доходом и валютой, без ярко выраженной направленности, и вы получите очень сложную первую половину для этих трендовых игроков», - говорит Сон.

История повторяется

Мэтью Беддолл, исполнительный директор недавно созданного инвестиционного дома Havelock London, говорит, что 2018 год во многом ему напоминает  начало 2007 года, когда по квантовым фондам прошел чувствительный и неприятный отток средств инвесторов. Беддолл, который ранее проработал 17 лет в  известном квантовом фонде  Winton Capital, отмечает, общее в ситуации тогда и сейчас – низкая волатильность.  «Когда волатильность низкая, квантовые стратегии, как правило, предполагают, что риск ушел», - говорит он. «По моему мнению, поскольку количественные стратегии становятся все более популярными – за последние 10 лет квантовые стратегии пришло огромное количество денег, людям будет гораздо труднее зарабатывать деньги».

Знайте, что вы покупаете

Квантовые стратегии  - популярны среди инвесторов, но вы в любом случае должны понимать, что в итоге вы покупаете, говорит Филипп Бэгшоу, старший специалист по портфелю в City Asset Management.  Копания имеет два основных квантовых или систематических фонда:  фонд Old Mutual Global Equity Absolute Return (Gear) и ADG Systematic Macro.

По его словам: - «Мы стараемся быть  агностиками на рынке (агностик – отрицает возможность объективного познания окружающей действительности с помощью собственного опыта).  Это больше о понимании того, насколько хорошо стратегия может достичь своих целей. Иногда это происходит через человека, иногда через алгоритмы».

Бэгшоу говорит, что в качестве отправной точки вы должны понимать и поверить в то, почему стратегия может приносить прибыль. Практика, когда квантовые фонды просто рассказывают о своих алгоритмах и прибылях в прошлые периоды – плохая точка для начала общения с клиентом, считает он. «Вы должны начать рассказ с того, что именно вы используете для получения прибыли, - говорит он. - Если вы не знаете, что именно ищут ваши алгоритмы, то это, можно сказать, «дорога в никуда». А все, что было до этого – просто удача».

Трудности определения 

Термин «квант» охватывает довольно широкий спектр стилей инвестирования и людей, от простейших  smart beta – инвестиций до очень сложных, почти научно-фантастических стилей инвестиций. Это затрудняет точно определить, что же такое  «квант». По мнению Бэддола, грубо говоря, квантовые стратегии  можно поделить на две категории: глобальные, которые делают ставку на фундаментальные макроэкономические тренды рынка, такие как валюты, сырьевые товары, фондовые индексы и облигации; вторая категория – стратегии, которые делают ставку на частные или государственные компании.

Бэддал позиционирует стратегию своей компании как нечто среднее между чистыми квантовыми фондами  и фондами с активным управлением.   «С одной стороны, у нас есть кванты, которые отлично разбираются в компьютерах и математике, но часто они менее заинтересованы в бизнесе и фундаментальном анализе. С другой стороны у нас есть традиционные аналитики и управляющие, которые разбираются в макроэкономике и ее воздействии на рынок, но они плохо разбираются в числах и технологиях», - говорит он. «Ощущение, что мы играем за обе команды, и это необычно. Но мы видим, как восходящие квантовые стратегии и некоторые традиционные управляющие начали движение на сближение своих стратегий», - добавляет Бэддол.


Взлет data science

В эволюционном процессе развития сейчас на первый план выходит термин «научные данные». Говорить о data science стало очень модно. Как говорят в лондонской управляющей компании Havelock, чтоб определить, где и когда может быть полезна наука о данных, нужно объединить знания о вычислениях, статистике и основополагающих знаниях  (в данном случае - знание управления инвестициями).

Во многих управляющих компаниях сформированы команды из компьютерных специалистов, которые стараются понять, что же делать с огромным количеством существующей доступной  информации. 

К примеру, Havelock наняла специалиста  по данным Кейт Ланд, которая возглавит научную работу в области данных в компании, в швейцарской  Gam Systematic работает доктор наук  Камилла Шелпе в качестве ведущего ученого, ее наняли для помощи управления портфелем. В Gam полагают, что научный подход для выявления нужных данных и машинное обучение (machine learning) – на сегодня важнейшие элементы в мире больших данных (big data), которые помогут избежать убытков, возникающих из-за  реализации некоторых основных рисков инвестирования. Среди них - использование «неочищенных» или непроверенных данных и опасность переобучения (overfitting, ошибка моделирования, при которой система machine learning работает при определенном наборе данных, но не работает при новых, незнакомых условиях).  

Человек и машина

Учитывая быстрое развитие искусственного  интеллекта, не находимся ли мы на том этапе, когда компьютеры могут полностью делать работу за человека?

По словам Бэддола, квантов часто представляют как компьютер, который всегда принимает решение сам, но в реальном мире компьютерные программы делают только то, что им сказали. Поэтому в этой области большое влияние человека, который стоит за обычной стратегией.

 «Когда вы строите дом, архитектор рисует план, а строитель его строит», - говорит он. «Для квантового фонда человек - это тот, кто рисует план, а компьютер - тот, который строит его. Мы все еще нуждаемся в тех, кто рисует проекты. В конце концов, когда вы приходите в Dell, чтобы купить компьютер, вы знаете, что покупаете его, чтобы он зарабатывал вам деньги», - резюмирует Бэддолл.

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.