در این کتاب، ریشی نارانگ (Rishi K. Narang)، مدیر عامل صندوق پوشش ریسک (Hedge Fund)، تلاش میکند تا رازهای زمینهای از دنیای سرمایهگذاری – استراتژیهای کوانت و معاملات فرکانس بالا (HFT) که بسیاری آن را جعبه سیاه (black box) مینامند، برملا کند. نارانگ توانسته به شیوهای سرگرمکننده مسائل پیچیده و مسائی که اغلب سوءتفاهمهایی زیادی در آن دیده میشود را برای عموم مردم توضیح دهد.
کتاب او که ترکیبی جالب توجه از انگلیسی ساده، تشبیهات مفید و مثالهای واقعی است، این کتاب شرح کاملی از چگونگی عملکرد یک صندوق استراتژی کوانت (quantitative) ارائه میدهد. وی بسیاری از افسانههایی را که در مورد معاملات کوانت وجود دارند از بین میبرد و این جعبه سیاه را رمزگشایی میکند.
کتاب جعبه سیاه معاملات فرکانس بالا و کوانت
کتاب جعبه سیاه معاملات فرکانس بالا و کوانت (Inside the Black Box: The Simple Truth About Quantitative Trading) راهنمای مفیدی است برای هر کسی که میخواهد نحوه استفاده از استراتژی معاملاتی کوانت را درک کند. ترس از فناوری و تغییر، بسیاری از سرمایهگذاران را از این بخش دلسرد کرده، اما با گذشت زمان معاملات کوانت احتمالا توسط بسیاری از مردم پذیرفته خواهند شد. این کتاب تضمین میکند از موج معاملات فرکانس بالا عقب نمانید.
آنچه میخوانید خلاصهای از این کتاب است که با تلاش تیم تولید محتوای UtoFX، به رایگان در اختیار علاقهمندان قرار گرفته است.
دوره مستر کلاس طلا
مشاهده رایگان دوره آموزشی طلا
قسمت 1 تا 3 دوره مستر کلاس طلا، جامعترین و کاملترین دوره آموزشی طلا را از طریق لینک زیر مشاهده کنید
- برخلاف تصور عام، استراتژیهای معاملاتی کوانت «جعبههای شفافی» هستند. یعنی هر کسی میتواند به راحتی آنها را درک کند.
- کوانتها از ریاضیات و علوم کامپیوتر برای اجرای ایدههای سرمایهگذاری خود استفاده میکنند.
- ارزشی که یک صندوق کوانت بالاتر از یک شاخص معیار به سرمایه اضافه میکند، آلفای صندوق است. (آلفا اندازهگیری بازده فعال سرمایهگذاری و عملکرد آن سرمایهگذاری در مقایسه با یک شاخص بازار مناسب است. آلفای ۱% به این معنی است که بازده سرمایهگذاری در یک دوره زمانی انتخاب شده ۱% بهتر از بازار در همان دوره بوده است. آلفای منفی به این معنی است که سرمایه گذاری در بازار عملکرد ضعیفی داشته است.)
- نیروی حیاتی هر سیستم معاملاتی کوانت منبع و نوع دادهای است که استفاده میکند.
- فناوری رایانه قدرتمند است، اما اگر افراد برای آنچه میخواهند به دست آورند دید روشنی و دستورالعمل دقیقی نداشته باشند، این فناوری بیارزش است.
- هر گونه خطا در راه اندازی یک سیستم معاملاتی کوانت به صورت کدنویسی سخت شده (Hard coding) است و تکرار خواهد شد. (کدنویسی سخت Hard coding) یا هارد-کدینگ، از روشهای توسعه نرمافزار است، که برای جاسازی مستقیم دادهها در کد منبع یک برنامه یا یک شیء مورد استفاده قرار میگیرد و نقطه مقابلِ جمعآوری دادهها از منابع خارجی یا تولید دادهها در زمان اجرا میباشد.)
- یک سیستم معاملاتی کوانت از پنج مدل به هم پیوسته تشکیل شده است: «آلفا، ریسک، هزینه معاملات، ساخت و اجرای پرتفوی».
- بخش عمدهای از انتقادات در زمینه هدف معاملات کوانت غیرقابل توجیه است.
- اکثر مطالعات نشان میدهد که معاملات با فرکانس بالا باعث افزایش نقدشوندگی در بازارها میشود، اما نوسانات را افزایش نمیدهد.
- سرمایهگذاران باید قبل از سرمایهگذاری، بررسیهای لازم را در مورد مدیران صندوق کوانت و استراتژیهای آنها انجام دهند.
در جستجوی آلفا
استراتژی معاملاتی کوانت از فناوری کامپیوتری و مدلهای ریاضی برای شناسایی و بهرهبرداری از فرصتهای معاملاتی و جستجوی برای آلفا، که بازدهی مستقل از جهت بازار را در بلندمدت ارائه میدهد، استفاده میکنند. برای دستیابی به آلفا، معاملهگران استراتژیهای کمی که «کوانت (Quant)» نامیده میشوند، باید راههایی برای دستیابی به بازده خالص بیابند. این بازده خالص، به بازدهی گفته میشود که بیش از آنچه که زمانی که سرمایهگذاران به سادگی یک شاخص سهام را خریداری میکنند، باشد.
“استراتژیهای معاملاتی کوانت… جعبههای شفافی هستند که درک آنها از بسیاری جهات بسیار آسانتر از بوالهوسی ذاتی تصمیمگیریهای انسانی است.”
مدیران سرمایهگذاری سنتی معمولاً از قدرت تصمیمگیری شخصی برای اتخاذ این تصمیمات استفاده میکنند. آنچه کوانتها را از «معاملهگران اختیاری (discretionary)» جدا میکند، لزوما خود استراتژیها نیست، بلکه این مسئله است که کوانتها چگونه استراتژیهای خود را طراحی و اجرا میکنند. کوانتها از کامپیوترها و الگوریتمها استفاده میکنند، در حالی که معاملهگران اختیاری “تصمیمات خود را بر اساس احساسات، عدم انضباط، اشتیاق، ترس و طمع میگیرند.”
«اگر هر دو سؤال در مورد این که چه معاملاتی و با چه اندازهای باید داشته باشیم را به طور سیستماتیک پاسخ دهیم، معامله کوانتی انجام شده است. اگر یکی از این دو سوال توسط انسان پاسخ داده شود، معامله کوانت نیست.
سرمایهگذاران، مدیران و معاملهگرانی که برای اجرای استراتژیها به رویکرد اختیاری متکی هستند، مستعد استفاده از میانبرهای ذهنی یا سوگیریهای رفتاری؛ مانند نگه داشتن سهام در حال سقوط هستند. در معاملهگری کوانت، رایانهها دستورات را بدون درگیر کردن احساسات و تعصب، بر اساس دادههای مهم و اولیه انسانی در قالب تحقیقات کامل، برنامهنویسی نرمافزاری و طراحی سامانهها، اجرا میکنند.
دریافت رایگان سیگنال فارکس
با عضویت در آکادمی ماکروترید، شما سیگنال، آموزش و گفتگو با تحلیلگران و اعضای آکادمی دریافت خواهید کرد.
با این حال، اشتباهات انسانی در مرحله راهاندازی میتواند منجر به استراتژیهایی شود که در مقطعی در آینده به طرز شگفتانگیزی شکست بخورند. به عنوان مثال، مدلهای کوانت که بانکها برای آزمایش اوراق قرضه با پشتوانه رهنی استفاده میکردند، نتوانستند احتمال نکول انبوه وامهای مسکن را مانند مدلی که به بحران مالی سال ۲۰۰۸ دامن زد، شناسایی کنند.
ریسکها و تکنیکها
هیچ سیستم معاملاتی کوانتی نمیتواند «شوکهای بیرونی» مانند حملات تروریستی ۱۱ سپتامبر ۲۰۰۱ را که بر بازار تأثیر میگذارند را توجیه کند، چرا که این اطلاعات در دادههای بازاری که سیستم پردازش میکند، وجود ندارد. در این موارد، کوانت میتواند سیستم را نادیده بگیرد.
ریسک سرایت در دو بخش ایجاد میشود: اولاً، زیان زمانی میتواند رخ دهد که تعداد زیادی از صندوقها دارای معاملات ناموفق مشابه باشند و دوم، با توجه به استراتژیهای مشابه پورتفوها، هر مشکلی که یک صندوق کوانت تجربه میکند، ممکن است منجر به لیکوئید شدن داراییها شود که بر موقعیت سایر صندوقهای کوانت تأثیر بگذارد.
بنابراین، کوانتها از تعدادی ابزارهای نظارتی مبتنی بر نرم افزار برای مدیریت این ریسکها استفاده میکنند. تجربه و دانش مدیر صندوق کوانت در تفسیر نتایج و الگوهایی که این ابزارها را برجسته میکنند، بسیار مهم هستند.
«این استراتژیها، اجرای سیستماتیک انواع کارهایی هستند که معاملهگران انسانی و سرمایهگذاران همیشه انجام میدهند.»
معاملات الگوریتمی، معاملات فرکانس بالا (HFT) و آربیتراژ آماری از تکنیکهای رایج معاملات کوانت هستند.
نکته: آربیتراژ آماری (statistical arbitrage) دستهای از استراتژیهای معاملات مالی کوتاهمدت هستند که از مدلهای بازگشت به میانگین (mean reversion)؛ شامل پرتفویهای متنوع اوراق بهادار (صدها تا هزاران) که برای دورههای زمانی کوتاه (معمولاً چند ثانیه تا چند روز) نگهداری میشوند، استفاده میکند. این استراتژیها توسط پلتفرمهای ریاضیاتی، محاسباتی و معاملاتی قابل توجهی پشتیبانی میشوند.
معاملات الگوریتمی، که به عنوان “معاملهگری جعبه سیاه” نیز شناخته میشود، از نرم افزارهای کامپیوتری برای خودکارسازی اجرای معاملات استفاده میکنند. معاملات با فرکانس بالا نوع خاصی از معاملات الگوریتمی هستند که در آن رایانهها تصمیمات معاملاتی را بسیار سریعتر از انسانها اتخاذ میکنند و معاملات را انجام میدهند. معاملهگرانی که از این تکنیک استفاده میکنند به «زیرساخت معاملهگری پرسرعت» تکیه میکنند که به آنها اجازه میدهد تا استراتژیها را مدیریت کنند و موقعیتهای خود را بیش از یک روز نگه ندارند.
آربیتراژ به معاملهگران اجازه میدهد تا روی قیمتگذاریهای اشتباه یا ناکارآمدیها در بازار سرمایهگذاری کنند که میتواند به معنای “سود بدون ریسک باشد”. به طور ذاتی این فرصتها زودگذر هستند و زمانی که معاملهگران حرفهای و تیزهوش آنها را تصرف میکنند، ناپدید میشوند. آربیتراژ آماری از مدلهای ریاضی مبتنی بر رایانه برای شناسایی ناکارآمدیها در بازار بین سهامی که شبیه به هم هستند، استفاده میکند. این امر با تامین نقدینگی به بازارها کمک میکند.
رمزگشایی جعبه سیاه
سیستمهای معاملاتی کوانت تعدادی عناصر مشترک دارند که موفقیت یا شکست یک سیستم، به قضاوت تیم کوانت در مورد هر قسمت بستگی دارد. تحقیقات و آزمایشهای علمی دقیق زیربنای هر تصمیم است. در طول زمانی که از یک استراتژی استفاده میشود، تیم کوانت که به دنبال بازده مثبت ثابتی است، به انجام تحقیقات ادامه خواهد داد. دستورالعملهایی که به استراتژی کوانت داده میشود، میزان موفقیت خروجی سیستم معاملاتی را تعیین میکند. بنابراین، کیفیت دادههایی که کوانتها از منابع اولیه جمعآوری میکنند، به اندازه «پاکسازی و ذخیرهسازی» دادهها، از اهمیت حیاتی برخوردار هستند.
«همه مدلهای آلفای موفق به گونهای طراحی شدهاند که مزیتی داشته باشند.»
یک جعبه سیاه (استراتژی کوانتی) معمولی دارای پنج ماژول است. سه مورد اول – “مدل آلفا، مدل ریسک” و “مدل هزینه معامله” – پارامترهای استراتژی را تعیین میکنند. کوانتها از دادهها برای پیشبینی حرکات یا الگوهای آینده بازار برای دستیابی به آلفا استفاده میکنند. با این حال، دریافت این بازده مستلزم پذیرفتن ریسکهایی است. بنابراین مدل ریسک سیستم، ریسکهایی که برای صندوق کوانت قابل قبول است و ریسکهایی که نیاز به کاهش دارند را شناسایی و اندازهگیری میکند.
“رویکردهای کوانت در رابطه با مدیریت ریسک، قدرت را در اختیار مدیر پورتفوی قرار میدهد تا تصمیمات منطقی و سنجیده بگیرد.”
صندوق کوانت میتواند تا نیمی از بازده خود را با پرداخت هزینههای معاملات از دست بدهد. بنابراین هر زمان که آنها وارد معامله میشوند، چه به دنبال آلفا و چه به دنبال کاهش ریسک باشند، باید اطمینان حاصل کنند که معامله پس از کسر هزینههای معاملاتی همچنان سودآور است. مدل هزینه تراکنش برای کمیسیونها و کارمزدها، «تاثیر بر بازار» هر معامله خاص، و اسلیپیج (Slippage)، را محاسبه میکند.
اسلیپیج به تغییرات قیمتی که میتواند از زمانی که یک کوانت معامله را انتخاب میکند تا زمانی که معامله انجام میشود، میگویند. تأثیر بر بازار (Market Impact)، تغییر در قیمت یک دارایی به دلیل معامله آن دارایی است. خرید یک دارایی قیمت آن را بالا میبرد، در حالی که فروش دارایی قیمت را پایین میآورد.
بسیاری از استدلالها علیه معاملات فرکانس بالا (HFT) به نظر من اظهار نظرهایی هستند که توسط افرادی مطرح شدهاند که یا از حقایق بیاطلاع هستند و یا با انگیزه منافع شخصی به دنبال ارائه اطلاعات مغرضانه و ناقص به مردم هستند.
مدلهای آلفا، ریسک و هزینه تراکنشات و تمام اطلاعات خود را در «مدل ساخت پورتفوی» قرار میدهند، که «بده و بستانهای ارائهشده توسط تعقیب سود، محدود کردن ریسکها و هزینههای مرتبط با معاملات» را پردازش میکند و قوانین و الگوریتمهایی را برای تعیین پورتفوی بهینه ایجاد میکند. سپس کوانتها معاملات لازم را برای دستیابی به آن پورتفو را از طریق یک “مدل اجرایی” انجام میدهند که یا در درون سازمان توسعه داده میشوند یا به توسعه دهندگان شخص ثالث هزینه داده میشود تا آن را برای صندوقها ایجاد کنند.
تصورات از معاملهگری کوانت
صندوقهای پوشش ریسک که موسسات و افراد سطح بالا و آگاه را در میان سرمایهگذاران خود دارند، در بخش زیادی از معاملات کوانت شرکت میکنند. صندوق Long-Term Capital Management (یا مدیریت سرمایه بلندمدت )(LTCM) یکی از این صندوقها بود. سقوط چشمگیر آن در سال ۱۹۹۸، فدرال رزرو را ملزم به سازماندهی برای نجات بخش خصوصی کرد. از آن زمان، رسانهها درک عموم مردم در زمینه معاملات کوانت را به سمت منفی منحرف کردهاند و سقوطهای اخیر و بی ثباتی بازار را ناشی از حجم و اندازه معاملات کوانت میدانند.
در طول سال ۲۰۱۲، میدانم که به طور خاص میلیاردها دلار توسط صندوقهای بازنشستگی و صندوقهای بزرگ سنتی سرمایهگذاری در سایر صندوقها (FOF) که پیشتر اعلام کرده بودند «ما در صندوقهای کوانت سرمایهگذاری نمیکنیم»، به این صندوقها اختصاص داده شده است.
نکته: هدف از تشکیل صندوق سرمایهگذاری در سایر صندوقها (Fund of funds)، دستیابی به سطوح بالای تنوع بخشی است. یک صندوق سرمایهگذاری در سایر صندوقها، به طوری که از نامش پیداست، یک صندوق مشاع است، که سهام سایر صندوقهای مشاع (اعم از صندوقهای سهام، صندوقهای اوراق قرضه یا هر دو) را دارد.
معاملات با فرکانس بالا (HFT) و با معاملات با سرعت بالا (High Speed) به دلیل سوء استفاده از مزیت ناعادلانه تکنولوژیکی، ارائه ندادن ارزش اجتماعی واقعی، تأثیرگذاری بر بازارها و ایجاد نوسانات شدید، تحت نظارت ویژه قرار گرفتهاند. شهرت HFT در اواسط سال ۲۰۰۹، زمانی که یک برنامهنویس سابق گلدمن ساکس متهم به سرقت کد برای حمایت از معاملات با فرکانس بالا شرکت جدیدش شد، ضربه خورد.
اگرچه دادگاه محکومیت او را لغو کرد، اما ارتباط معاملات با فرکانس بالا با تلاش برای «دستکاری بازارها به روشهای ناعادلانه» باقی ماند. هنگامی که یک «سقوط سریع (Flash Crash)» پنج دقیقهای و بهبود متعاقب آن در ۶ مه ۲۰۱۰، بازارها را متلاطم کرد، رسانهها دوباره انگشت اتهام خود را به سمت HFT نشانه گرفتند.
نکته: سقوط سریع ۲۰۱۰ (۲۰۱۰ flash crash)، در ۶ مه ۲۰۱۰ اتفاق افتاد. و همچنین به عنوان سقوط ۲:۴۵ یا همان سقوط سریع شناخته میشود که سقوط بازار سهام تریلیون دلاری ایالات متحده بود که از ساعت ۲:۳۲ بعد از ظهر منطقه زمانی شرقی شروع شد و تقریباً ۳۶ دقیقه طول کشید.
آیا انتقادات موجه هستند؟
این انتقادات خاص، که مرتبا به استراتژیهای معاملاتی کوانت وارد میشوند، به دیدگاه منفی عوام میافزایند:
- «معاملهگری یک هنر است، نه یک علم» – مدلهای ریاضی تکرار کامل رفتار انسان نیستند، اما اگر کوانتها به خوبی طراحی شوند، شبیهسازهایی میشوند که میتوانند پیشبینیهای سودآوری را از این رفتار در طول زمان ایجاد کنند.
- «کوانتها با دست کم گرفتن و کم اهمیت جلوه دادن ریسکها، باعث افزایش نوسانات در بازار میشوند» – یک کامپیوتر کاملاً بر اساس فرضیاتی که کوانت به آن ارائه میدهد و سوالاتی که کوانت از آن میپرسد، محاسبات را انجام میدهد. برخی از مدلها ممکن است بدترین سناریوها را به صورت یک عدد ساده به کوانت تبدیل کنند که امری ناشایست است. با این حال، کوانتها در استفاده از این مدلها تنها نیستند، مدیران صندوقهای اختیاری در معرض همان اشتباهات در ایجاد مفروضات بد و ساختاربندی نادرست سؤالات هستند.
- «استراتژیهای کوانت میتوانند با افزایش نقدینگی، نوسانات را در بازارهای عادی کاهش دهند» – شوکهای بیرونی، سیاستهای دولت و استانداردها و مقررات ضعیف بانکی به رخ دادن رویدادهای شدید در بازار، مانند بحران مالی سال ۲۰۰۸ کمک میکنند. مهندسین مالی، نه کوانتها، محصولات ساختار یافته جدیدی را اختراع کردند که در آن سقوط بسیار برجسته بودند. در سال ۲۰۰۸، برخی از صندوقهای پوشش ریسک که از استراتژیهای کوانت استفاده میکردند، بازدهی بهتر یا حداقل کمتر بدتری نسبت به آنهایی که از استراتژیهای دیگر استفاده میکردند، داشتند.
- «کوانتها نمیتوانند رویدادهای غیرمعمول یا تغییرات سریع در شرایط بازار را مدیریت کنند» – این انتقاد تا حدودی درست است، چرا که کوانتها از دادههای تاریخی برای پیشبینی حرکتهای آینده استفاده میکنند، بنابراین رویدادهای ناگهانی و عظیم پیشبینی مدلهای آنها را بیاعتبار میکند. با این حال، برخی از استراتژیهای کوتاهمدت در چنین بازاری رشد خواهند کرد، چرا که به دنبال سرمایهگذاری بر روی هرگونه جابجایی کوتاهمدت در روند بلندمدت هستند.
- «کوانتها همه یکسان هستند» – با توجه به ماهیت سفارشی نحوه مفهوم سازی و ایجاد استراتژی یک کوانت، این انتقاد منطقی نیست. مطالعات متعدد نشان میدهند که معاملهگران کوانت که از یک استراتژی استفاده میکنند، دارای پورتفوهای بسیار متفاوتی هستند؛ به طوری که برخی حتی اوراق بهادار یکسان را در جهت مخالف یکدیگر در اختیار دارند. تحقیقات همچنین همبستگی کمی بین صندوقها و معاملهگران در بازده ماهانه را نشان میدهد. در واقع، استراتژیهای سنتیتر صندوقهای پوشش ریسک، همبستگی بیشتری را در بین همتایان نشان میدهد.
- «فقط تعداد کمی از کوانتهای بزرگ میتوانند در بلندمدت رشد کنند» – صندوقهای استراتژی کوانت بزرگتر میتوانند هر گونه قابلیتی را که میخواهند خریداری کنند و برای شرایط بهتر با ارائه دهندگان خدمات شخص ثالث قرارداد ببندند. با این حال، در مواقع اضطراری، تنظیم مجدد پورتفوهای بزرگ میتواند پرهزینه باشد. از لحاظ ذاتی، صندوقهای کوچکتر باید بر قابلیتهای اصلی خود تمرکز کنند، در حالی که صندوقهای بزرگتر معمولاً برای تسهیل رشد باید از هسته اصلی خود متنوع سازی کنند.
به این ترتیب صندوقهای کوچکتر، عملکرد بهتری نسبت به صندوقهای بزرگتر دارند که جای تعجب ندارد. با این وجود صرف نظر از اندازه صندوق، موفقیت استراتژی هر صندوق کوانت به افرادی که آن را توسعه میدهند، بستگی دارد. صندوقهای بزرگتر ممکن است افراد ماهر را برای پوشش بخشهای خاص کسبوکار استخدام کنند. این مسئله میتواند خلاقیت را افزایش دهد، اما همچنین میتواند منجر به مشکلات ارتباطی با بخشهای مختلف شرکت شود.
- «کوانتها مقصر داده کاوی (data mining) هستند» – داده کاوی استفاده از “مجموعههای بزرگ داده به منظور استخراج اطلاعات در مورد آنچه اتفاق میافتد، بدون نگرانی در مورد علت وقوع آن است.” بسیاری از کسبوکارها با موفقیت از نتایج داده کاوی استفاده میکنند. به عنوان مثال شرکت آمازون بر اساس رفتار گذشته مشتریان، کالاهایی را برای خرید به آنها پیشنهاد میکند.
زمانی که تحلیلگران به دنبال «استخراج بیش از حد اطلاعات» از پایگاه داده آماری خود باشد، با ریسک «بیشبرازش (overfitting)» دادهها مواجه میشوند و در نتیجه، نتیجهگیری نادرست میکنند. در بیشتر موارد، کوانتها از دادهها برای اجرای استراتژیهای مبتنی بر عوامل بنیادی اقتصادی استفاده میکنند که این مسئله شامل داده کاوی نمیشود.
نکته: بیشبرازش به پدیدهٔ نامطلوبی در آمار گفته میشود که در آن درجه آزادی مدل بسیار بیشتر از درجه آزادی واقعی انتخاب شده و در نتیجه اگرچه مدل روی داده استفاده شده برای یادگیری بسیار خوب نتیجه میدهد، اما بر روی داده جدید دارای خطای زیاد است.
ارزیابی استراتژیهای معاملاتی کوانت
اگر تمایل دارید در یک صندوق استراتژی کوانت سرمایهگذاری کنید، باید تحقیقات خود را انجام دهید. ابتدا با مدیر صندوق کوانت مصاحبه کنید تا ماهیت صندوق و میزان ریسکی را که نسبت به بازده آن باید بپذیرید، درک کنید. بپرسید که صندوق کوانت چگونه ایدههای جدیدی برای استراتژیهای معاملاتی ایجاد میکند. نوع دادههایی را که استراتژی معاملاتی کمی به کار میبرد، بررسی کنید و اقداماتی را که کوانت برای اطمینان از یکپارچگی داده انجام میدهد، درک کنید.
مفهوم روشهایی را که کوانت برای تولید آلفا استفاده میکند، چارچوب زمانی کوانت و همچنین داراییهای قابل معامله آن صندوق را زیر سوال ببرید. سرمایهگذاران همچنین باید جنبههای خاصی از ساخت پورتفوی، مانند اندازه و محدودیتهای موقعیتهای سرمایهگذاری را متوجه شوند. مطلع شوید که آیا صندوق کوانت معاملات را به صورت دستی یا از طریق الگوریتمها انجام میدهد و هزینههای انجام تراکنشات چگونه محاسبه میشود. شما باید بدانید که کوانت چگونه ریسکهای مربوط به پورتفوی را مدیریت و نظارت میکند.
در حال حاضر نمونههایی از استراتژیهای ترکیبی کوانتی – اختیاری وجود دارند که از سیستمهای کوانت برای بررسی فرصتها استفاده میکنند و در عین حال اجازه میدهند رویکرد اختیاری بر بقیه فرآیند حاکم باشد.»
نگاهی دقیق به فرآیند ذکر شده در بالا نیز مسائل زیادی را در مورد معاملهگر کوانت آشکار میکند. با این حال، ارزیابی تجربه و تخصص وی نیز میتواند بسیار مفید باشد. آیا کوانت به اطلاعات مهم دسترسی انحصاری دارد یا مزیتی در خود فرآیند معاملاتی دارد؟ برای اطمینان از یکپارچگی اخلاقی تیم کوانت، یک بررسی پیشینه جامع انجام دهید. با سرمایهگذارانی که قبلاً در این صندوقها سرمایهگذاری کردهاند، صحبت کنید.
وقتی تصمیم گرفتید که تمایل به سرمایهگذاری دارید، بررسی کنید که چگونه استراتژی معاملاتی کوانت با نحوه متنوعسازی با باقی پورتفوی شما مطابقت دارد. بر اساس تجزیه و تحلیل شما از جهت بازار، اندازه و مدت زمان سرمایهگذاری فعلی خود، سرمایه خود را در صندوق استراتژی کوانت سرمایهگذاری کنید.
“من معتقدم که واکنش منفی علیه کوانتها، در هسته خود، یک مسئله نسلی است.”
به طور کلی مردم در مواجه با اتوماسیون و تغییر، با مقاومت و ترس رفتار میکنند. بنابراین استقبال سرد از معاملات کوانت در چند دهه گذشته جای تعجب ندارد. این مسئله به احتمال زیاد به مرور زمان از بین میرود، چرا که نسل بعدی معاملات کوانت را به عنوان بخشی معمولی از ابزار کار و نه به عنوان یک تهدید جدید قلمداد خواهند کرد.
علاوه بر این، به نظر میرسد یک حرکت فراگیر به سمت استراتژیهای ترکیبی که در آن مدیران از سیستمهای کوانت و معاملات اختیاری برای به دست آوردن مزیت سرمایهگذاری استفاده میکنند، در حال شکلگیری است. با گذشت زمان، جامعه مالی به درک و استفاده بیشتر از استراتژیهای کوانت خواهد رسید و جعبه سیاه مخوف به خاطرهای دور تبدیل خواهد شد.