Говард Маркс
Источник: Oaktree Capital
18 июня 2018 г.
Перевод для AssetAllocation.ru
Продолжение. Начало здесь.
Количественные инвестиции
Моя следующая тема, которую, как я уже сказал, я лишь изучаю (и, таким образом, пишу о ней с некоторым трепетом) – это такие термины как количественные, алгоритмические и систематические инвестиции. В этой заметке я буду использовать первый из них. Как я это понимаю, количественные инвестиции состоят в установлении набора правил (возможно, с помощью компьютера) и их выполнение с использованием компьютера.
Существует как минимум две основные формы количественных инвестиций. Первую можно назвать «систематическими факторными инвестициями». Процесс выглядит следующим образом:
- Управляющий проводит анализ периода в истории, который показывает, что более высокие доходы были связаны с определенными «факторами». Факторы – это атрибуты, характеризующие ценные бумаги, такие как стоимость (value), качество (quality), размер (size) и импульс (momentum). Возможно, в тот или иной период наиболее эффективные акции характеризовались высокой стоимостью, высоким качеством, крупной капитализацией и недавним приростом стоимости (или «импульсом»). Таким образом, управляющий приходит к выводу, что его портфель должен состоять из акций, которые занимают высокие места по этим факторам. (Конечно, эти факторы не всегда приводят к доходности выше среднего; если что-то изменится, то вместо этого рост (growth), низкое качество, низкая капитализация и недавние результаты хуже рынка могут быть связаны с превосходными доходностями.)
- Управляющий поручает своему компьютеру поиск ценных бумаг, которые предлагают большинство из этих факторов. Так, например, компьютер может осуществлять поиск стоимости на основе таких показателей, как соотношение цена/прибыль, соотношение стоимость/EBITDA, соотношение цена/балансовый капитал и соотношение цена/свободный денежный поток, а также отраслевых показателей, таких как отношение цены к запасам для нефтяных компаний.
- Затем управляющий сообщает компьютеру, в какой пропорции взвешивать критерии поиска, и компьютер продолжает систематически наполнять портфель ценными бумагами, которые обеспечивают оптимальное сочетание факторов.
- Наконец, компьютер получает инструкции по оценке сопутствующего риска. Портфель оптимизируется, ограничивая даже самые привлекательные компоненты, чтобы ограничить представленность отдельных акций и, возможно, отраслей, а также риск, связанный с вероятными корреляциями между акциями. Портфель строится по формулам, которые выводятся в соответствии с правилами, как правило, без вмешательства человека.
Конечным продуктом этого процесса является портфель, который, согласно алгоритму, обеспечит максимальную ожидаемую доходность при наименьшем риске (если исходить из предположения, что факторы, связанные с более высокой доходностью в прошлом, будут по-прежнему связаны с ней в будущем, и что активы будут столь же волатильны и коррелированы, как и в прошлом).
Другой главной формой количественного инвестирования является «статистический арбитраж» или «stat arb». Для примера stat arb предположим, что инвестор хочет купить 100’000 акций XYZ, и что рынок для этой акции «шириной в один цент» по $20,00 / $20,01 (например, 5’000 акций покупаются по $20,00 и 8’000 акций продаются по $20,01). Брокер забирает 8’000 акций по $20,01. Следующим предложением будет 6’000 акций по $20,02, и брокер забирает и их. Затем продавец предлагает 5’000 акций по цене $20,03, и брокер также покупает и их. Эта покупка может переместить рынок к $20.03 / $20.04.
Компьютер кванта /«квант» (жарг.) – специалист по количественным инвестициям, прим. переводчика/ принимает к сведению тот факт, что рынок движется вверх и акции покупались по все более высоким ценам.
- Если другие акции не двигались подобным образом, компьютер приходит к выводу, что эти события являются «своеобразными» («idiosyncratic») – связанными с отдельно взятой акцией – а не «систематическими» («systematic») или присутствующими на всем рынке.
- Если цена данной акции поднялась «своеобразно», и никакие новости от компании это не объясняют, компьютер заключает, что движение цены произошло из-за покупок инвестора, а не по причине фундаментальных изменений.
- Компьютер заключает, что движение цены является краткосрочной дислокацией, вызванной усилиями брокера по выполнению приказа инвестора.
- Он также принимает решение на основе проведенных к настоящему времени торгов, текущего рынка и состояния книги заявок, что покупка для достижения этой цели, вероятно, будет продолжена по более высоким ценам, чем были бы в отсутствие этой покупки.
- Таким образом компьютер решает, должен ли квант «зашортить» акции (продать акции, которые кванту не принадлежат) покупателю, благодаря которому цена выросла, исходя из того, что квант сможет закрыться позже, когда покупки прекратятся и цена отступит. Возможно, сегодня можно продать акции за $20,03 или $20,04, чтобы выкупить их за $20,00 или $20,01 через несколько дней.
- Таким образом, квант обеспечивает ликвидность, которая иначе не существовала бы, и готов переносить позиции овернайт. В обмен квант получает на пару пенни больше за акции, который он продает, чем ему придется заплатить при обратной покупке.
Мы можем сказать, что в большинстве случаев компьютер stat arb реагирует на неравновесие между ценой одной акции и ценами других акций или рынка в целом, и действует исходя из предположения, что соотношения вернутся к норме. Сделанные пенни не имеют большого значения (возможно, 0,1% прибыли в приведенном выше примере), и, как утверждает Renaissance Technologies в заявлении в подкомитет Сената в 2014 году относительно своего основного фонда Medallion, «модель, разработанная Renaissance … делает прогнозы, которые выгодны лишь ненамного чаще, чем невыгодны». Но если вы делаете это достаточно часто и с достаточным плечом, stat arb может принести значительную прибыль на капитал.
Это похоже на то, что Long-Term Capital Management делал в конце 1990-х годов, ища статистические расхождения, которые могут быть подвергнуты арбитражу. Один из его руководителей описывал, что они делали, собирая по всему миру никели и даймы /мелкие монеты по 5 и 10 центов США – прим. переводчика/. Но в 1998 году портфель LTCM с огромным плечом столкнулся с невероятно долгосрочным периодом, в течение которого цены не сближались, а продолжали расходиться. Рыночные потери заставили долгосрочных кредиторов потребовать размещения дополнительного капитала; будучи не в состоянии это сделать, фонд слился, и лидерам индустрии ценных бумаг пришлось забрать его портфели. Оказалось, что LTCM собирал никели и даймы перед катком, и каток догнал их.
Среди уроков, извлеченных из опыта LTCM, были следующие: (a) возможности для stat arb ограничены по размеру; (b) капитал, направленный в него, также должен быть ограничен; (c) используемое плечо должно быть разумным для инвестора, чтобы выстоять в периоды, когда исторические соотношения и вероятности не выдерживаются, и (d) кроме того, важно надлежащим образом хеджировать общий риск направленного движения рынка.
* * *
Количественные инвесторы программируют свои компьютеры для эмуляции поведения, которое было прибыльно в прошлом, и которое, как они ожидают, будет прибыльно в будущем. Другими словами, они устанавливают правила или формулы для своих компьютеров. Ключевой вопрос заключается в том, может ли в такой конкурентной, динамичной и взаимосвязанной среде, как инвестиции, маршрут к прибыли быть отражен формулой, и не приведут ли изменения в инвестиционной среде (возможно, вызванные самой реализацией формулы) к исчезновению эффективности формулы.
На днях я получил электронное письмо от Розали Дж. Вульф, бывшего директора и консультанта некоторых наших клиентов, с вопросом, в котором содержалась цитата, которую она любит использовать. Она оказалась из «Dare to be Great» (Сентябрь 2006), и по иронии судьбы она чрезвычайно актуальна для поднятого выше вопроса:
Как мы можем добиться превосходных результатов в инвестициях? Ответ прост: я не только не знаю какой-либо формулы, которая сама по себе приведет к превышению средней эффективности инвестиций, но я убежден, что такой формулы не может существовать. Согласно одному из моих любимых источников вдохновения, покойному Джону Кеннету Гэлбрейту:
«Нет никакого источника, из которого можно было бы узнать, как делать деньги. Если бы он существовал, его бы все интенсивно изучали, и все с положительным IQ были бы богаты.»
Конечно, не может быть дорожной карты инвестиционного успеха. Во-первых, коллективные действия тех, кто следует карте, изменят ландшафт, сделав его неэффективным. И, во-вторых, каждый, кто последует за ней, достигнет тех же результатов, и люди все равно будут смотреть на верхний квартиль … маршрут к которому придется искать другими способами.
Прежде чем идти дальше, позвольте мне подробнее остановиться на моем скептицизме в отношении потенциала формулы, которая сама по себе приведет к более высоким средним инвестиционным показателям.
Во-первых, хотя есть способы инвестиций, которые, по моему мнению, не могут работать, есть и исключительные люди, которые в них преуспевают. Я здесь имею в виду активный трейдинг, макро-инвестиции и количественные инвестиции. Что касается последних, Renaissance Technologies и Two Sigma пользуются отличной репутацией за свои результаты. Моя мать говорила: «исключения подтверждают правило». Она имела в виду, что, например, тот факт, что лишь небольшое количество людей может что-то сделать, доказывает, что большинство людей этого сделать не сможет. Поэтому, хотя я бы не сказал, что мой скептицизм всегда оправдан, я считаю, что в целом он уместен. По определению не имеет смысла думать, что большое количество людей может прийти к формулам, которые обеспечивают исключительные результаты.
Во-вторых, ключевые слова – «сама по себе». Ни одна старая формула не может раскрыть секрет инвестиционного успеха. Исключительная формула, полученная на основе исключительного интеллекта и проницательности, возможно, может справиться с этой задачей, хотя, возможно, только в течение ограниченного времени.
Очевидно, что применение формулы и ее популяризация в конечном итоге положат конец ее эффективности. Предположим (в невероятно упрощенном примере), ваше исследование рынка показывает, что акции малых компаний опережают рынок в течение определенного периода времени, поэтому вы увеличиваете их вес в портфеле.
- a. Поскольку «обогнали рынок», «превзошли ожидания» и «показали выдающиеся результаты» – это зачастую просто обратная сторона того, что акции «стали относительно дорогими», я сомневаюсь, что любая группа акций может долго превосходить рынок, не становясь полностью или частично переоцененными, и, таким образом, несущими в себе предрасположенность к неэффективности.
- б. В той же степени очевидно, что, в конечном счете, и другие обнаружат тот же «эффект малой капитализации» и начнут активно инвестировать в него. В этом случае инвестиции в малую капитализацию получат широкое распространение и, по определению, перестанут быть источником превосходства.
Повторюсь, Теория Рефлексивности Джорджа Сороса говорит о том, что поведение участников рынка изменяет рынок. Таким образом, ни одна формула никогда не останется победителем навечно. Для меня это означает, что достижение результатов выше рынка за счет количественных инвестиций требует способности постоянно и правильно обновлять формулу. Поскольку инвестиции являются динамичными, правила, основанные на количественных инвестициях, должны быть динамичными.
По словам Раджа Махаджана из Goldman Sachs, моего главного наставника по этим вопросам: «Лучшие модели сегодня изменяют веса ценных бумаг по мере изменения окружающей среды и изменения динамики факторов (например, по мере того, как они становятся более дешевыми или дорогими). Правила становятся все более сложными, и они могут «учиться» (то есть быть «условными» или «контекстуальными») в том смысле, что они больше понимают окружающую среду». Постоянное обновление – а не «формула сама по себе» – представляется минимальным требованием для долгосрочных успехов любого кванта.
* * *
Хотя члены обоих братств могут отвергнуть это сравнение, мне представляется, что количественные инвестиции имеют некоторые общие черты с инвестициями в смарт-бета ETF:
- И то, и другое основано на правилах, отслеживающих атрибуты, которые управляющие хотят получить в своих портфелях.
- В обоих случаях, после того как правила установлены, люди (в значительной степени) снимают руки с руля и оставляют реализацию компьютерам.
Основные различия, которые я вижу – и они очень существенны – заключаются в следующем:
- В количественных инвестициях гораздо больше трейдинга. Поскольку индексные фонды и ETFs являются «пассивными» и, следовательно, им безразличны фундаментальные характеристики компаний и привлекательность цен на бумаги, они, в основном, покупают и удерживают. С другой стороны, компьютеры количественных инвесторов постоянно приводят свои портфели в соответствие алгоритмам или правилам.
- Количественный процесс намного более… количественный. Как сказал Стивен Брегман, смарт-бета ETFs покупают на основе «семантики»: того, как маркируются ценные бумаги (без каких-либо количественных стандартов для членства в группах). Количественные инвесторы, с другой стороны, делают это на основе количественной оценки фундаментальных показателей и цены.
В завершение вопросу о количественных инвестициях я хочу упомянуть несколько вопросов, связанных с временным горизонтом (некоторые из них были предложены моим сыном Андреем).
- Большая часть количественных инвестиций – это вопрос использования стандартных шаблонов (факторов, которые коррелировали с опережением рынка) и обычных соотношений (например, обычного отношения цены одной акции к другой или к рынку в целом).
- Кванты инвестируют на основе исторических данных. Но что произойдет, если в будущем модели и соотношения будут отличаться от прошлых?
- Важен ли тот факт, что большинство количественных инвесторов действовали лишь в период снижения процентных ставок, низкой инфляции и низкой волатильности, когда тренды были относительно стабильными? Смогут ли их подходы быть достаточно динамичными, чтобы скорректироваться в случае, если ставки, инфляция и волатильность повысятся или станут более изменчивыми? И если они действительно повысятся или станут более изменчивыми, какие исторические данные будут использовать кванты для определения правил?
- Кроме того, важно ли, что период истории, когда эффективность инвестиций зависела от квантов, сильно ограничен? Иными словами, увеличится ли влияние количественных инвестиций на эффективность количественных инвестиций, изменив таким образом, требования к успеху?
Посмотрим, но, конечно, нельзя сказать, что большинство количественных инвесторов в этом уверены.
Окончание — Искусственный интеллект и машинное обучение
Комментариев нет »
В любое время: