Во всех базовых книгах по инвестициям и финансам нам представляют “рационального инвестора”— условного человека, который всегда принимает решения на основе сухого расчета и руководствуется исключительно логическими принципами.
Я думаю всем понятно, что данного человека в реальной жизни не существует, так как любой человек подвержен эмоциям, страху, нерациональным и импульсивным поступкам.
Тем не менее такой инвестор существует и за последние несколько лет привлекает все больше и больше денег для инвестиций.
Этот инвестор — робот для инвестиций, компьютерная программа, которая на основе анализа данных и заложенных правил принимает инвестиционные решения. В стате мы расскажем о том, как работает робот в инвестициях.
Количественные стратегии (quant startegies) не подвержены эмоциям, они анализируют любые данные в сотни раз быстрее и принимают только рациональные решения на основе научно обоснованного анализа. Все это приводит к положительной альфе и мы видим солидный приток средств именно в количественные фонды.
Paradigm Shift
Конечно же, эти тенденции оказывают прямое влияние на настоящих и будущих финансистов.
С одной стороны классические “звездные инвесторы”, такие как Питер Линч, с классическими финансовыми навыками уходят в прошлое.
В то же время, спрос на людей с навыками в больших данных и количественных финансах постоянно возрастает. Именно эти навыки нужны сейчас и будут нужны в будущем, как в пресловутых quant hedge funds, так и во всех остальных финансовых организациях.
Давайте разберем роль инвестиционных роботов на примере количественных стратегий Goldman Sachs.
Quantinomics
На сайте хедж-фондов под управлением Goldman Sachs — Goldman Sachs Asset Managment, GSAM — детально описаны несколько количественных стратегий:
Smart Beta
Робот для инвестирования, который работает на основе этой стратегии, фокусируется на поиске акций, которые имеют доходность выше, чем риск ассоциируемый с данными акциями. Такой поиск и инвестирование базируются на анализе типичных рыночных факторов, таких как низкая волатильность или стабильный возврат.
Примером известного рыночного фактора может быть “инерция акции” — статистически выведенная закономерность, что акция, выросшая за последний месяц, имеет более высокий шанс вырасти и в этом месяце при прочих равных.
Несмотря на то, что данные факторы и закономерности были выведены пару десятилетий назад, только сейчас при помощи новейших технологий количественные финансисты могут анализировать сотни различных факторов, находить закономерности и вписывать в алгоритмы инвестирования без участия человека.
Alpha Generation
В отличие от предыдущей данная стратегия была невозможна даже 10 лет назад. В ее основе лежит попытка предугадать результаты той или иной компании на основе терабайтов косвенных данных.
Одним из примеров таких данных может быть статистика транзакций по кредитным картам. К примеру, количественный финансист видит, что количество покупок совершенных через кредитные карты в сети Магнит превышает количество покупок за предыдущий период.
В 99% случаях это будет означать, что выручка данной сети вырастет в этом квартале на фоне большего количества покупок. Рост выручки приведет к росту акций, но только после того, как компания официально опубликует свои результаты.
Так как данные о транзакциях доступны практически каждую неделю, в то время как компания публикует отчеты только раз в квартал, проводя постоянный мониторинг данных о транзакциях, количественный финансист может найти акции, которых ожидает рост.
Другим примером, основанным на схожих принципах, могут быть данные об интернет-трафике. Чем больше посещений у сайта, тем вероятнее рост выручки данной компании. И опять же: статистика о трафике доступна практически моментально, в то время как компания отчитывается все так же раз в квартал.
Я думаю все понимают, что ни один человек не сможет проанализировать миллионы транзакций в день вручную, и именно в этих стратегиях место только для людей, которые их разрабатывают.
Все это приводит к тому, что банки и фонды, которые имеют доступ и инфраструктуру к таким косвенным данным могут использовать их для нахождения более надежных и выгодных инвестиций.
Существует еще огромное множество стратегий инвестиций, основанных на объективных данных и научных подходах, которые уже доказали свою эффективность и только будут наращивать обороты.
Но не будем забывать, что главным ресурсом для данных стратегий есть и всегда будут профессионалы с солидным багажом финансовых и количественных навыков. Именно за них развернется борьба среди самых престижных организаций, в то время как люди с классическими навыками рискуют остаться навсегда за бортом.
Поэтому делайте правильные выводы, получайте нужные знания, и вы всегда будете востребованы. Чего я вам искренне и желаю.
Автор: Влас Лезин, вице-президент Wells Fargo, эксперт онлайн-программы «Data Science Academy»