金融中的定量分析(QA) 是一種強調數學和統計分析以幫助確定金融資產（例如股票或期權）價值的方法。量化交易分析師（也稱爲“ quants ”）使用各種數據（包括歷史投資和股票市場數據）來開發交易算法和計算機模型。

這些計算機模型生成的信息有助於投資者分析投資機會並制定他們認爲會成功的交易策略。通常，這種交易策略將包括非常具體的關於進場和出場點、交易的預期風險和預期回報的信息。

財務量化分析的最終目標是使用可量化的統計數據和指標來幫助投資者做出有利可圖的投資決策。在本文中，我們回顧了量化投資的歷史，將其與定性分析進行了比較，並提供了一個基於量化策略的實例。

輸入“數量”

1952 年 3 月，諾貝爾獎獲得者經濟學家哈里·馬科維茨在《金融雜誌》上發表了“投資組合選擇”一文，被普遍認爲開創了量化投資運動。馬科維茨介紹了現代投資組合理論(MPT)，向投資者展示瞭如何構建多元化的資產組合，能夠在各種風險水平下實現收益最大化。 Markowitz 使用數學來量化多元化，並被認爲是數學模型可以應用於投資這一概念的早期採用者。

現代金融理論的先驅羅伯特·默頓因研究衍生品定價的數學方法而獲得諾貝爾獎。馬科維茨和默頓的工作爲量化（quant）投資方法奠定了基礎。

定量與定性分析

與傳統的定性投資分析師不同，寬客不會訪問公司、會見管理團隊或研究公司銷售的產品來確定競爭優勢。他們通常不瞭解或不關心他們投資的公司的質量或這些公司提供的產品或服務。相反，他們純粹依靠數學來做出投資決策。

Quants——他們經常擁有科學背景和統計學或數學學位——將利用他們對計算機和編程語言的瞭解來構建定製的交易系統，使交易過程自動化。他們項目的輸入可能從關鍵財務比率（例如市盈率）到更復雜的計算，例如貼現現金流(DCF) 估值。

對沖基金經理接受了這種方法。計算技術的進步進一步推動了該領域的發展，因爲可以在眨眼之間計算出複雜的算法，從而創建自動交易策略。該領域在網絡泡沫繁榮和蕭條期間蓬勃發展。

量化策略在大蕭條中跌跌撞撞，因爲它們未能考慮到抵押貸款支持證券對市場和整個經濟的影響。然而，量化策略至今仍在使用，並因其在依賴數學做出交易決策的高頻交易(HFT) 中的作用而備受關注。

量化投資也作爲一門獨立的學科被廣泛實踐，並與傳統的定性分析相結合，以提高回報和降低風險。

數據，無處不在的數據

計算機時代的興起使得在極短的時間內處理大量數據成爲可能。這導致了越來越複雜的量化交易策略，因爲交易者尋求識別一致的模式，對這些模式進行建模，並使用它們來預測證券的價格走勢。

寬客使用公開數據來實施他們的策略。模式的識別使他們能夠設置自動觸發器來買賣證券。

例如，基於交易量模式的交易策略可能已經確定了交易量和價格之間的相關性。因此，如果特定股票的交易量在股價達到每股 25 美元時上升，而在股價達到 30 美元時下降，量化分析師可能會在 25.50 美元時自動買入，在 29.50 美元時自動賣出。

類似的策略可以基於收益、收益預測、收益意外和許多其他因素。在每種情況下，純粹的量化交易者都不關心公司的銷售前景、管理團隊、產品質量或業務的任何其他方面。他們嚴格根據他們所識別的模式中的數字來下訂單進行買賣。

識別模式以降低風險

定量分析可用於識別可能有助於盈利證券交易的模式，但這不是它的唯一價值。雖然賺錢是每個投資者都能理解的目標，但量化分析也可以用來降低風險。

追求所謂的“風險調整回報”涉及比較風險衡量指標，例如 alpha、beta、r 平方、標準差和夏普比率，以確定在給定水平下將提供最高回報水平的投資。風險。這個想法是，投資者不應該承擔超過實現目標回報水平所需的風險。

因此，如果數據顯示兩種投資可能產生相似的回報，但其中一種在價格波動方面的波動性明顯更大，那麼量化分析師（和常識）會推薦風險較小的投資。同樣，量化分析師並不關心誰來管理投資、資產負債表是什麼樣子、什麼產品可以幫助它賺錢，或者任何其他定性因素。他們完全專注於數字並選擇（從數學上講）提供最低風險的投資。

風險平價投資組合是基於量化的策略的一個例子。基本概念涉及根據市場波動做出資產配置決策。當波動性下降時，投資組合中的風險承擔水平就會上升。當波動性增加時，投資組合中的風險承擔水平就會下降。

定量分析示例

爲了讓這個例子更真實一點，考慮一個將其資產分爲現金和標準普爾 500 指數基金的投資組合。使用芝加哥期權交易所波動率指數 ( VIX ) 作爲股市波動率的代表，當波動率上升時，我們假設的投資組合會將其資產轉向現金。

當波動性下降時，我們的投資組合會將資產轉移到標準普爾 500 指數基金。模型可能比我們在這裏引用的模型複雜得多，可能包括股票、債券、商品、貨幣和其他投資，但概念保持不變。

量化交易的好處

量化交易是一個冷靜的決策過程。模式和數字都很重要。這是一種有效的買賣紀律，因爲它可以始終如一地執行，不受通常與財務決策相關的情緒的阻礙。

這也是一種具有成本效益的策略。由於計算機可以完成這項工作，因此依賴量化策略的公司不需要聘請龐大、昂貴的分析師和投資組合經理團隊。他們也不需要環遊全國或世界各地檢查公司並與管理層會面以評估潛在投資。他們使用計算機分析數據並執行交易。

有什麼風險？

“謊言、該死的謊言和統計數據”是經常用來描述可以操縱數據的無數方式的引語。雖然定量分析師試圖識別模式，但這個過程絕不是萬無一失的。分析涉及從大量數據中剔除。選擇正確的數據絕不是保證，就像似乎暗示某些結果的交易模式可能會完美運行，直到它們不起作用。即使一種模式看起來有效，驗證模式也可能是一個挑戰。每個投資者都知道，沒有確定的賭注。

拐點，例如 2008-09 年的股市低迷，對這些策略來說可能是強硬的，因爲模式可能會突然改變。同樣重要的是要記住，數據並不總是能說明整個故事。人類可以看到正在發展的醜聞或管理變化，而純粹的數學方法不一定能做到這一點。此外，隨着越來越多的投資者試圖採用該策略，該策略的有效性也會降低。隨着越來越多的投資者試圖從中獲利，行之有效的模式將變得不那麼有效。

結論

許多投資策略同時使用定量和定性策略。他們使用量化策略來識別潛在投資，然後使用定性分析將他們的研究工作提升到一個新的水平，以確定最終投資。

他們還可以使用定性洞察來選擇投資和量化風險管理數據。雖然定量和定性投資策略都有其支持者和批評者，但這些策略不需要相互排斥。

相關文章