निवेश से जुड़े सभी संभावित उच्च, चढ़ाव, और भावनाएं अंतिम लक्ष्य को बनाए रख सकती हैं: पैसा कमाना। उत्तरार्द्ध पर ध्यान केंद्रित करने और पूर्व को खत्म करने के लिए, निवेश करने के लिए "मात्रात्मक" दृष्टिकोण इंटिग्रल्स के बजाय संख्याओं पर ध्यान देना चाहता है।
"क्वेरी" दर्ज करें
हैरी मार्कोविट्ज़ को आम तौर पर मात्रात्मक निवेश आंदोलन की शुरुआत करने का श्रेय दिया जाता है जब उन्होंने 1952 के मार्च में फाइनेंस जर्नल में एक "पोर्टफोलियो चयन" प्रकाशित किया था। मार्कोविट्ज़ ने विविधीकरण को निर्धारित करने के लिए गणित का उपयोग किया था और इस अवधारणा को जल्दी अपनाने वाले के रूप में उद्धृत किया जाता है कि गणितीय मॉडल हो सकते हैं निवेश के लिए आवेदन किया।
रॉबर्ट मर्टन, जो आधुनिक वित्तीय सिद्धांत के एक अग्रणी थे, ने मूल्य निर्धारण डेरिवेटिव के लिए गणितीय तरीकों में अपने कार्य अनुसंधान के लिए नोबेल पुरस्कार जीता। Markowitz और Merton के काम ने निवेश के लिए मात्रात्मक (मात्रा) दृष्टिकोण की नींव रखी।
पारंपरिक गुणात्मक निवेश विश्लेषकों के विपरीत, क्वेंट कंपनियों का दौरा नहीं करते हैं, प्रबंधन टीमों से मिलते हैं, या किसी प्रतिस्पर्धा में बढ़त की पहचान करने के लिए बेचने वाले उत्पादों पर शोध करते हैं। वे अक्सर उन कंपनियों के गुणात्मक पहलुओं के बारे में नहीं जानते या परवाह नहीं करते हैं जो वे निवेश करते हैं, निवेश निर्णय लेने के लिए गणित पर पूरी तरह भरोसा करते हैं।
एक मात्रात्मक विश्लेषक क्या करता है?
हेज फंड मैनेजर्स ने कंप्यूटिंग तकनीक में कार्यप्रणाली और प्रगति को अपनाया और इस क्षेत्र को आगे बढ़ाया, क्योंकि जटिल एल्गोरिदम की गणना पलक झपकते ही की जा सकती थी। डॉटकॉम बूम और बस्ट के दौरान क्षेत्र में उत्कर्ष हुआ, क्योंकि क्विंट ने बड़े पैमाने पर टेक बस्ट और बाजार दुर्घटना के उन्माद से बचा लिया।
हालांकि वे महान मंदी में ठोकर खाते थे, आज क्वांटिटी रणनीति का उपयोग किया जाता है और उच्च-आवृत्ति ट्रेडिंग (एचएफटी) में उनकी भूमिका के लिए उल्लेखनीय ध्यान दिया गया है जो व्यापारिक निर्णय लेने के लिए गणित पर निर्भर करता है। मात्रात्मक निवेश को व्यापक रूप से एक स्टैंड-अलोन अनुशासन के रूप में और वापसी में वृद्धि और जोखिम दायित्व दोनों के लिए पारंपरिक गुणात्मक विश्लेषण के साथ अभ्यास किया जाता है।
डेटा, डेटा हर जगह
कंप्यूटर युग के उदय ने असाधारण रूप से कम समय में डेटा की भारी मात्रा में कमी करना संभव बना दिया। इसने तेजी से जटिल मात्रात्मक व्यापारिक रणनीतियों को जन्म दिया है, क्योंकि व्यापारियों को लगातार पैटर्न की पहचान करना, उन पैटर्न को मॉडल करना और प्रतिभूतियों में मूल्य आंदोलनों की भविष्यवाणी करने के लिए उपयोग करना है।
सार्वजनिक रूप से उपलब्ध डेटा का उपयोग करके क्वेंट अपनी रणनीतियों को लागू करते हैं। पैटर्न की पहचान उन्हें प्रतिभूतियों को खरीदने या बेचने के लिए स्वचालित ट्रिगर सेट करने में सक्षम बनाती है।
उदाहरण के लिए, ट्रेडिंग वॉल्यूम पैटर्न के आधार पर एक ट्रेडिंग रणनीति ने ट्रेडिंग वॉल्यूम और कीमतों के बीच एक सहसंबंध की पहचान की हो सकती है। इसलिए यदि किसी विशेष स्टॉक पर ट्रेडिंग वॉल्यूम बढ़ जाता है जब स्टॉक की कीमत $ 25 प्रति शेयर और ड्रॉप हो जाती है जब कीमत $ 30 हिट होती है, तो एक मात्रा 25.50 डॉलर में स्वचालित खरीद और $ 29.50 पर स्वचालित बिक्री स्थापित कर सकती है।
इसी तरह की रणनीति कमाई, कमाई के पूर्वानुमान, कमाई के आश्चर्य और अन्य कारकों की मेजबानी पर आधारित हो सकती है। प्रत्येक मामले में, शुद्ध मात्रा के व्यापारी कंपनी की बिक्री की संभावनाओं, प्रबंधन टीम, उत्पाद की गुणवत्ता, या उसके व्यवसाय के किसी अन्य पहलू के बारे में परवाह नहीं करते हैं। वे अपने द्वारा खरीदे गए पैटर्न पर आधारित संख्याओं के आधार पर सख्ती से खरीदने और बेचने के अपने आदेश दे रहे हैं।
जोखिम को कम करने के लिए पैटर्न की पहचान करना
मात्रात्मक विश्लेषण का उपयोग उन पैटर्न की पहचान करने के लिए किया जा सकता है जो स्वयं को लाभदायक सुरक्षा ट्रेडों के लिए उधार दे सकते हैं, लेकिन यह इसका एकमात्र मूल्य नहीं है। जबकि पैसा बनाना एक लक्ष्य है जिसे हर निवेशक समझ सकता है, जोखिम को कम करने के लिए मात्रात्मक विश्लेषण का भी उपयोग किया जा सकता है।
तथाकथित "जोखिम-समायोजित रिटर्न" की खोज में अल्फा, बीटा, आर-स्क्वेर्ड, मानक विचलन, और निवेश की पहचान करने के लिए शार्प अनुपात की तुलना में जोखिम के उपायों की तुलना करना शामिल है जो दिए गए स्तर के लिए वापसी का उच्चतम स्तर प्रदान करेगा जोखिम। यह विचार है कि निवेशकों को अपने लक्षित स्तर को प्राप्त करने के लिए आवश्यक से अधिक जोखिम नहीं लेना चाहिए।
इसलिए, यदि डेटा से पता चलता है कि दो निवेशों के समान रिटर्न उत्पन्न होने की संभावना है, लेकिन यह कि ऊपर और नीचे मूल्य झूलों के मामले में काफी अधिक अस्थिर होगा, तो क्वेंट (और सामान्य ज्ञान) कम जोखिम वाले निवेश की सिफारिश करेंगे। फिर, क्वेंट इस बात की परवाह नहीं करता है कि निवेश का प्रबंधन कौन करता है, इसकी बैलेंस शीट कैसी दिखती है, किस उत्पाद से पैसे कमाने में मदद मिलती है या कोई अन्य गुणात्मक कारक होता है। वे पूरी तरह से संख्याओं पर ध्यान केंद्रित करते हैं और निवेश का चयन करते हैं (गणितीय रूप से बोलते हुए) सबसे कम जोखिम का स्तर प्रदान करता है।
जोखिम-समता विभाग कार्रवाई में क्वांट-आधारित रणनीतियों का एक उदाहरण है। मूल अवधारणा में बाजार में अस्थिरता के आधार पर परिसंपत्ति आवंटन निर्णय करना शामिल है। जब अस्थिरता में गिरावट आती है, तो पोर्टफोलियो में जोखिम उठाने का स्तर बढ़ जाता है। जब अस्थिरता बढ़ती है, तो पोर्टफोलियो में जोखिम उठाने का स्तर नीचे चला जाता है।
उदाहरण को थोड़ा अधिक यथार्थवादी बनाने के लिए, एक पोर्टफोलियो पर विचार करें जो अपनी संपत्तियों को नकदी और एस एंड पी 500 इंडेक्स फंड के बीच विभाजित करता है। शेयर बाजार की अस्थिरता के लिए एक प्रॉक्सी के रूप में शिकागो बोर्ड विकल्प एक्सचेंज अस्थिरता सूचकांक (VIX) का उपयोग करते हुए, जब अस्थिरता बढ़ती है, तो हमारा काल्पनिक पोर्टफोलियो अपनी संपत्ति को नकदी की ओर स्थानांतरित कर देगा। जब अस्थिरता कम हो जाती है, तो हमारा पोर्टफोलियो संपत्ति को S & P 500 इंडेक्स फंड में स्थानांतरित कर देगा। मॉडल हमारे द्वारा संदर्भित एक से अधिक जटिल हो सकते हैं, शायद स्टॉक, बॉन्ड, कमोडिटीज, मुद्राओं और अन्य निवेशों सहित, लेकिन अवधारणा समान है।
क्वांट ट्रेडिंग के लाभ
क्वांट ट्रेडिंग एक डिस्पैसनेट निर्णय लेने की प्रक्रिया है। पैटर्न और संख्याएं सभी मायने रखती हैं। यह एक प्रभावी खरीद / बिक्री अनुशासन है, जैसा कि लगातार निष्पादित किया जा सकता है, यह भावना से अनधिकृत है जो अक्सर वित्तीय निर्णयों से जुड़ा होता है।
यह एक लागत प्रभावी रणनीति भी है। चूंकि कंप्यूटर काम करते हैं, ऐसे फर्म जो मात्रा रणनीतियों पर भरोसा करते हैं, उन्हें विश्लेषकों की बड़ी, महंगी टीमों और पोर्टफोलियो प्रबंधकों को काम पर रखने की आवश्यकता नहीं होती है। न ही उन्हें संभावित निवेश का आकलन करने के लिए देश या दुनिया की कंपनियों का निरीक्षण करने और प्रबंधन के साथ बैठक करने की आवश्यकता है। वे डेटा का विश्लेषण करने और ट्रेडों को निष्पादित करने के लिए कंप्यूटर का उपयोग करते हैं।
उसके खतरे क्या हैं?
"झूठ, लानत झूठ और आँकड़े" एक उद्धरण है जिसका उपयोग अक्सर डेटा में हेर-फेर के तरीकों का वर्णन करने के लिए किया जाता है। जबकि मात्रात्मक विश्लेषक पैटर्न की पहचान करना चाहते हैं, यह प्रक्रिया किसी भी तरह से मूर्खतापूर्ण नहीं है। विश्लेषण में बड़ी मात्रा में डेटा के माध्यम से कॉलिंग शामिल है। सही डेटा का चयन करना किसी भी तरह से गारंटी नहीं है, जैसे कि कुछ परिणामों के बारे में सुझाव देने वाले पैटर्न पूरी तरह से काम कर सकते हैं जब तक कि वे नहीं करते। यहां तक कि जब एक पैटर्न काम करता है, तो पैटर्न को मान्य करना एक चुनौती हो सकती है। जैसा कि हर निवेशक जानता है, कोई निश्चित दांव नहीं है।
2008-09 के शेयर बाजार में गिरावट जैसे प्रभाव बिंदु इन रणनीतियों पर सख्त हो सकते हैं, क्योंकि पैटर्न अचानक बदल सकते हैं। यह याद रखना भी महत्वपूर्ण है कि डेटा हमेशा पूरी कहानी नहीं बताता है। मनुष्य एक घोटाला या प्रबंधन परिवर्तन देख सकता है क्योंकि यह विकसित हो रहा है, जबकि एक विशुद्ध गणितीय दृष्टिकोण आवश्यक रूप से ऐसा नहीं कर सकता है। इसके अलावा, एक रणनीति कम प्रभावी हो जाती है क्योंकि निवेशकों की बढ़ती संख्या इसे रोजगार देने का प्रयास करती है। काम करने वाले पैटर्न कम प्रभावी हो जाएंगे क्योंकि अधिक से अधिक निवेशक इससे लाभ कमाने की कोशिश करेंगे।
तल - रेखा
कई निवेश रणनीति मात्रात्मक और गुणात्मक दोनों रणनीतियों के मिश्रण का उपयोग करती हैं। वे संभावित निवेशों की पहचान करने के लिए मात्रा रणनीतियों का उपयोग करते हैं और फिर अंतिम निवेश की पहचान करने में अपने शोध प्रयासों को अगले स्तर तक ले जाने के लिए गुणात्मक विश्लेषण का उपयोग करते हैं।
वे जोखिम प्रबंधन के लिए निवेश और मात्रा डेटा का चयन करने के लिए गुणात्मक अंतर्दृष्टि का उपयोग कर सकते हैं। जबकि मात्रात्मक और गुणात्मक दोनों निवेश रणनीतियों में उनके प्रस्तावक और उनके आलोचक हैं, रणनीतियों को पारस्परिक रूप से अनन्य होने की आवश्यकता नहीं है।
