Quant Strategien haben sich zu sehr komplexen Tools mit dem Aufkommen der modernen Computer entwickelt, aber die Strategien Wurzeln gehen zurück über 70 Jahre. Sie werden typischerweise von hochgebildeten Teams geleitet und verwenden proprietäre Modelle, um ihre Fähigkeit, den Markt zu schlagen, zu erhöhen. Es gibt sogar off-the-shelf-Programme, die Plug-and-Play für diejenigen, die Einfachheit suchen. Quant Modelle arbeiten immer gut, wenn zurück getestet, aber ihre tatsächlichen Anwendungen und Erfolgsquote sind umstritten. Während sie scheinen, gut in den Stiermärkten zu arbeiten. Wenn Märkte haywire gehen, Quant-Strategien unterliegen den gleichen Risiken wie jede andere Strategie. Die Geschichte Einer der Gründerväter der Studie der quantitativen Theorie für die Finanzierung angewendet wurde Robert Merton. Sie können sich nur vorstellen, wie schwierig und zeitaufwendig der Prozess vor dem Einsatz von Computern war. Weitere Theorien in der Finanzwirtschaft entwickelten sich auch aus einigen der ersten quantitativen Studien, einschließlich der Grundlage der Portfolio-Diversifizierung auf der Grundlage der modernen Portfolio-Theorie. Die Verwendung von quantitativen Finanzen und Kalkül führte zu vielen anderen gemeinsamen Instrumenten, darunter eine der berühmtesten, die Black-Scholes-Optionspreiskalkulation, die nicht nur Investorenpreisoptionen hilft und Strategien entwickelt, sondern dazu beiträgt, die Märkte mit der Liquidität in Einklang zu bringen. Bei Anwendung direkt auf Portfolio-Management. Das Ziel ist wie jede andere Anlagestrategie. Um Mehrwert, Alpha-oder Überschussrenditen hinzuzufügen. Quants, wie die Entwickler genannt werden, komponieren komplexe mathematische Modelle, um Investitionsmöglichkeiten zu erkennen. Es gibt so viele Modelle gibt als Quants, die sie zu entwickeln, und alle behaupten, die besten zu sein. Eines von einem Quant Investment Strategies Best-Selling-Punkte ist, dass das Modell, und letztlich der Computer, die tatsächliche Kauf verkaufen Entscheidung, nicht ein Mensch. Dies neigt dazu, jede emotionale Reaktion zu entfernen, die eine Person beim Kauf oder Verkauf von Investitionen erleben kann. Quant-Strategien sind jetzt in der Investment-Community akzeptiert und von Investmentfonds, Hedgefonds und institutionellen Investoren. Sie gehen in der Regel durch den Namen Alpha-Generatoren. Oder Alpha-Gens. Hinter dem Vorhang Genau wie in The Wizard of Oz ist jemand hinter dem Vorhang, der den Prozess fährt. Wie bei jedem Modell ist es nur so gut wie der Mensch, der das Programm entwickelt. Während es keine spezifische Anforderung für das Werden ein Quant gibt, kombinieren die meisten Firmen, die Quant-Modelle laufen, die Fähigkeiten der Investitionsanalysten, der Statistiker und der Programmierer, die den Prozess in den Computern kodieren. Aufgrund der Komplexität der mathematischen und statistischen Modelle, ihre gemeinsame, um Anmeldeinformationen wie Absolventen und Doktoranden in Finanzen, Wirtschaft, Mathematik und Ingenieurwesen zu sehen. Historisch gesehen haben diese Teammitglieder in den Backoffices gearbeitet. Aber als Quant-Modelle mehr alltäglich wurde, zieht das Back-Office zum Front Office. Vorteile von Quant Strategien Während die Gesamt-Erfolgsquote diskutabel ist, ist der Grund, warum einige Quant-Strategien funktionieren, dass sie auf Disziplin basieren. Wenn das Modell richtig ist, hält die Disziplin die Strategie, die mit Blitzgeschwindigkeitscomputern arbeitet, um Ineffizienzen in den Märkten zu nutzen, die auf quantitativen Daten basieren. Die Modelle selbst können auf so wenig wie ein paar Verhältnisse wie P E. Schulden auf Eigenkapital und Gewinnwachstum basieren, oder verwenden Tausende von Inputs zusammen, die zur gleichen Zeit. Erfolgreiche Strategien können sich auf Trends in ihren frühen Stadien, wie die Computer ständig laufen Szenarien, um Ineffizienzen zu lokalisieren, bevor andere tun. Die Modelle sind in der Lage, eine sehr große Gruppe von Investitionen gleichzeitig zu analysieren, wobei der traditionelle Analytiker kann nur auf wenige zu einem Zeitpunkt zu suchen. Der Screening-Prozess kann das Universum durch Grade Ebenen wie 1-5 oder A-F abhängig von dem Modell. Dies macht den eigentlichen Handelsprozess sehr einfach durch Investitionen in die hoch bewerteten Investitionen und den Verkauf der niedrigen bewertet. Quant-Modelle eröffnen auch Variationen von Strategien wie lang, kurz und lang kurz. Erfolgreiche Quant Fonds halten ein scharfes Auge auf Risikokontrolle wegen der Natur ihrer Modelle. Die meisten Strategien beginnen mit einem Universum oder Benchmark und verwenden Sektor und Industrie Gewichtungen in ihren Modellen. Dies ermöglicht es den Fonds, die Diversifizierung bis zu einem gewissen Grad zu kontrollieren, ohne das Modell selbst zu beeinträchtigen. Quant-Fonds in der Regel auf einer niedrigeren Kosten-Basis laufen, weil sie nicht brauchen, wie viele traditionelle Analysten und Portfolio-Manager, um sie auszuführen. Nachteile von Quant Strategien Es gibt Gründe, warum so viele Investoren nicht vollständig das Konzept der Vermietung einer Black Box laufen ihre Investitionen umfassen. Für alle erfolgreichen quant Geld da draußen, so viele scheinen erfolglos zu sein. Leider für die Quants Reputation, wenn sie scheitern, scheitern sie große Zeit. Das langfristige Kapitalmanagement war eines der bekanntesten quantitativen Hedgefonds, wie es von einigen der am meisten respektierten akademischen Führer und zwei Nobel-Gedächtnis-prämierten Wirtschaftswissenschaftlern Myron S. Scholes und Robert C. Merton geleitet wurde. In den 90er Jahren erzielte ihr Team überdurchschnittliche Renditen und lockte Kapital von allen Arten von Investoren an. Sie waren berühmt dafür, nicht nur Ineffizienzen auszunutzen, sondern mit leichtem Zugang zu Kapital, um enorme Leveraged-Wetten auf Marktrichtungen zu schaffen. Die disziplinierte Natur ihrer Strategie schuf tatsächlich die Schwäche, die zu ihrem Zusammenbruch führte. Das langfristige Kapitalmanagement wurde Anfang 2000 liquidiert und aufgelöst. Seine Modelle beinhalteten nicht die Möglichkeit, dass die russische Regierung ihre eigenen Schulden in Verzug setzen könnte. Dieses Ereignis verursachte Ereignisse und eine Kettenreaktion, die durch Hebel-verursachte Verwüstung vergrößert wurde. LTCM war so stark mit anderen Investitionsvorhaben beteiligt, dass sein Zusammenbruch die Weltmärkte beeinträchtigte und dramatische Ereignisse auslöste. Auf lange Sicht trat die Federal Reserve in Hilfe zu helfen, und andere Banken und Investmentfonds unterstützt LTCM, um weitere Schäden zu verhindern. Dies ist einer der Gründe, die Quant-Fonds scheitern können, da sie auf historischen Ereignissen basieren, die möglicherweise keine zukünftigen Ereignisse enthalten. Während ein starkes Quantum-Team ständig neue Aspekte der Modelle hinzufügen wird, um zukünftige Ereignisse vorherzusagen, ist es unmöglich, die Zukunft jedes Mal vorherzusagen. Quant Geldmittel können auch überwältigt werden, wenn die Wirtschaft und die Märkte eine überdurchschnittliche Volatilität erfahren. Die Kauf - und Verkaufs-Signale können so schnell kommen, dass der hohe Umsatz hohe Provisionen und steuerpflichtige Ereignisse hervorbringen kann. Quant-Fonds können auch eine Gefahr darstellen, wenn sie als bear-proof vermarktet werden oder auf kurzen Strategien basieren. Vorhersagen Abschwünge. Der Einsatz von Derivaten und die Kombination von Hebelwirkung kann gefährlich sein. Eine falsche Umdrehung kann zu Implosionen führen, die häufig die Nachrichten bilden. Die Bottom Line Quantitative Anlagestrategien haben sich von Backoffice-Blackboxen zu Mainstream-Investitionstools entwickelt. Sie sind entworfen, um die besten Köpfe im Geschäft und die schnellsten Computer zu nutzen, um beide Ineffizienzen auszunutzen und Hebelwirkung verwenden, um Marktwetten zu machen. Sie können sehr erfolgreich sein, wenn die Modelle alle richtigen Eingaben enthalten und sind flink genug, um abnorme Marktereignisse vorherzusagen. Auf der Kehrseite, während Quant-Fonds rigoros zurück getestet werden, bis sie funktionieren, ist ihre Schwäche, dass sie auf historischen Daten für ihren Erfolg beruhen. Während Quant-Stil-Investitionen hat seinen Platz auf dem Markt, ist es wichtig, sich seiner Mängel und Risiken bewusst sein. Im Einklang mit Diversifizierungsstrategien. Es ist eine gute Idee, quant Strategien als Investing-Stil zu behandeln und kombinieren sie mit traditionellen Strategien, um eine richtige Diversifizierung zu erreichen. Ein Unternehmen hat freien Cash-Flow für die letzten 12 Monate. Trailing FCF wird von Investment-Analysten bei der Berechnung einer company039s verwendet. Ein Reichtum Psychologe ist ein Geistesgesundheit Fachmann, der auf Probleme spezialisiert, die sich speziell auf reiche Einzelpersonen beziehen. Geldwäsche ist der Prozess der Schaffung des Aussehens, dass große Mengen an Geld aus schweren Verbrechen, wie erhalten. Rechnungslegungsmethoden, die sich auf Steuern und nicht auf das Auftreten von öffentlichen Abschlüssen konzentrieren. Steuerberatung wird geregelt. Der Boomer-Effekt bezieht sich auf den Einfluss, den der zwischen 1946 und 1964 geborene Generationscluster auf den meisten Märkten hat. Ein Anstieg der Preise für Aktien, die oft in der Woche zwischen Weihnachten und Neujahr039s Day auftritt. Es gibt zahlreiche Erklärungen. Quantitative Analysis, Derivatives Modelling und Handelsstrategien Dieses Buch richtet sich an ausgewählte praktische Anwendungen und die jüngsten Entwicklungen in den Bereichen der quantitativen Finanzmodellierung in Derivatinstrumenten, von denen einige der Autoren eigene Forschung und Praxis sind. Es ist aus der Sicht der Finanz-Ingenieure oder Praktiker geschrieben, und als solches legt es mehr Wert auf die praktischen Anwendungen der Finanzmathematik auf dem realen Markt als die Mathematik selbst mit präzisen (und langwierigen) technischen Bedingungen. Es versucht, wirtschaftliche Einsichten mit Mathematik und Modellierung zu kombinieren, um dem Leser zu helfen, Intuitionen zu entwickeln. Im Rahmen der Modellierung und der numerischen Techniken sind die praktischen Anwendungen der Martingaltheorien, wie Martingale Modellfabrik und Martingal Resampling und Interpolation. Darüber hinaus befasst sich das Buch aus der Perspektive einer Front-Office-Funktionalität und eines Revenue-Centers (und nicht nur eine Risikomanagement-Funktionalität), die relativ neuere Entwicklungen sind und zunehmend an Bedeutung gewinnt, mit den Methoden der Kreditrisikomodellierung, der Preisgestaltung und der Arbitrage-Strategie. Es diskutiert auch verschiedene Trading-Strukturierung Strategien und berührt einige beliebte Kredit-IR-FX-Hybrid-Produkte, wie PRDC, TARN, Snowballs, Snowbars, CCDS und Kredit-Feuerlöschern. Während der primäre Bereich dieses Buches der Rentenmarkt (mit weiterer Fokussierung auf den Zinsmarkt) ist, gelten viele der vorgestellten Methoden auch für andere Finanzmärkte wie die Kredit-, Aktien-, Devisen - und Rohstoffmärkte. Inhalt: Theorie und Anwendungen von Derivaten Modellierung: Einführung in das Kreditrisiko von Martingale Arbitrage Pricing in realen Markt Die BlackScholes Framework und Erweiterungen Martingale Resampling und Interpolation Einführung in die Zinsstrukturkurve Modellierung der HealthJarrowMorton Rahmen Der Zinssatz Marktmodell Kreditrisikomodellierung und Pricing Interesse bewerten Marktgrundlagen und Proprietary Trading Strategies: Einfache Zinsprodukte Zinskurve Modellierung Zwei-Faktor-Risiko-Modell Der Heilige Gral Zwei-Faktor-Zinsarbitrage Yield Aufspaltungsmodell Inflation Linked Instruments Modellierung Zins Proprietary Trading Strategies Leserschaft: Fortgeschrittene Leser, die arbeiten oder daran interessiert sind Im Rentenmarkt. Yi Tang ist derzeit mit Morgan Stanley amp Co. Inc. als Leiter der CVA Strategies Group. Zuvor war er General Manager und Leiter der Abteilung für Quantitative Analytics von Shinsei Securities, die für die Derivate-Modellierung in IR, FX, Equity, Credit, Commodity sowie IR FX, IR Equity und anderen Hybriden verantwortlich waren. Er arbeitete auch bei Goldman, Sachs amp Co. Inc. als Leiter der CVA Strategies Group im FICC und bei Bear, Stearns amp Co. Inc. als Managing Director Principal in der FAST-Abteilung und Leiter einer Quant-Gruppe Teil der IR-Derivate-Modellierung und Teil der IR Credit Hybrid-Derivate-Modellierung. Vor seinem Wechsel zum Bereich Quantitative Finance arbeitete er als Adjunct Assistant Professor und ein Postdoc-Forscher in Physics an der UCLA. Yi ist ein eingeladener Redner auf mehreren Konferenzen Seminare über Quantitative Finance. Er erhielt seinen Doktortitel in Physik von der University of California in Los Angeles (UCLA) im Jahr 1992. Bin Li ist derzeit Chief Operating Officer von Ping Capital Management, einem globalen Makro Hedgefonds in New York. Zuvor war Bin Präsident und CIO von Entropy Partners, LLC. Zuvor war Bin Chairman und CEO von Tradetrek Inc. und Co-gegründet AAStocks International (aastocks), ein Finanz-Website-Unternehmen in Hong Kong. Von 1993 bis 1998 war Bin in verschiedenen Rollen tätig, darunter Vice President der Quantitative Analysis Group bei Merrill Lynch und Executive Director von Global Quantitative Trading Strategies bei UBS. Bin ist ein international bekannter Forscher und Praktiker in der Finanzbranche und hat in vielen Konferenzen Workshops über quantitative Finanzen eingeladen. Bin erhielt seinen Doktortitel in Physik von der New York University im Jahr 1992. Dieser Stand der Technik betont verschiedene zeitgenössische Themen in festverzinslichen Derivaten aus der Perspektive der Praktiker. Die Kombination von Martingal-Technologie mit den Autoren Experten praktische Kenntnisse tragen riesig zum Bucherfolg. Für diejenigen, die rechtzeitige Berichterstattung aus den Schützengräben wünschen, ist dieses Buch ein Muss. Peter Carr, PhD Direktor des Masters in Math Finance Programm Courant Institut, NYU Es ist ganz offensichtlich, dass die Autoren haben erhebliche praktische Erfahrung in anspruchsvolle quantitative Analyse und Derivate-Modellierung. Dieser reale Weltfokus hat zu einem Text geführt, der nicht nur klare Darstellungen zu Modellierungs-, Preis - und Hedging-Derivatprodukten liefert, sondern auch erweiterte Materialien liefert, die in der Regel nur in Forschungspublikationen zu finden sind. Dieses Buch hat innovative Ideen, state of the art Anwendungen und enthält eine Fülle von wertvollen Informationen, die Akademiker, angewandte quantitative Derivate Modellierer und Händler interessieren wird. Peter Ritchken Kenneth Walter Haber Professor Institut für Banken und Finanzen, Weatherhead School of Management, Fall Western Reserve University Dieses Buch enthält eine Fülle von praktischen Methoden und nützlichen Einsichten, die bewährt und erprobt wurden. Bei der Bewältigung neuer Aufgaben kümmern sich die meisten Quants um Best Practice. Zusammen mit Fachzeitschriften, etc., ist dieses Buch ein Muss, um das Gericht zu kalibrieren helfen. Derzeit ist eines der Dutzend ausgewählte Mathe-Finanz-Bücher, die wirklich auf einem Regal sein sollte Alan Brace University of Technology Sydney School of Finance und Volkswirtschaft
Comments
Post a Comment