निवेश के साथ जुड़े सभी संभावित ऊंचा, चढ़ाव और भावनाएं अंतिम लक्ष्य को साकार कर सकती हैं - पैसा बनाने के लिए उत्तरार्द्ध पर ध्यान केंद्रित करने और पूर्व को खत्म करने के प्रयास में, निवेश करने के लिए "मात्रात्मक" दृष्टिकोण अन्तर्ग्रथनी के बजाय संख्याओं पर ध्यान देने की कोशिश करता है

"क्वांट्स"

हार्री मार्कोविट्ज़ को आम तौर पर मात्रात्मक निवेश के आंदोलन के साथ श्रेय दिया जाता है जब उन्होंने 1 9 52 के मार्च में वित्त जर्नल में एक "पोर्टफोलियो चयन" प्रकाशित किया था। मार्कोविट ने विविधता को मापने के लिए गणित का इस्तेमाल किया, और उद्धृत किया गया आधुनिक वित्तीय सिद्धांत में अग्रणी, रॉबर्ट मर्टन ने मूल्य निर्धारण डेरिवेटिव के लिए गणितीय तरीकों में अपने काम के अनुसंधान के लिए नोबेल पुरस्कार जीता। मार्कोट्ज़ और मर्टन के काम ने नींव रखी निवेश के लिए मात्रात्मक (मात्रा) दृष्टिकोण के लिए। <99-9>

पारंपरिक गुणात्मक निवेश विश्लेषकों के विपरीत, क्वांट्स कंपनियों पर नहीं जाते हैं, प्रबंधन टीमों से मिलते हैं या जिन फर्मों प्रतिस्पर्धा में बढ़त की पहचान करने के लिए प्रयास करते हैं.वे अक्सर जिन कंपनियों में निवेश करते हैं वे गुणात्मक पहलुओं के बारे में नहीं जानते या उनकी परवाह नहीं करते हैं, केवल निवेश निर्णय लेने के लिए गणित पर निर्भर करते हैं।

हेज फंड मैनेजर कंप्यूटिंग प्रौद्योगिकी के क्षेत्र में कार्यप्रणाली और अग्रिमों को आगे बढ़ाते हुए, जो क्षेत्र को आगे बढ़ाते हैं, क्योंकि जटिल एल्गोरिदम की आंखों की झपकी में गणना की जा सकती है। डॉट कॉम बूम और बस्ट के दौरान मैदान में विकास हुआ, क्योंकि जैसे-जैसे तकनीक बस्ट और मार्केट दुर्घटना का उन्माद टाल गया था।

-2 ->

जब वे महान मंदी में ठोकर खाए, तो क्वांट रणनीतियों आज भी उपयोग में रहे हैं और उच्च आवृत्ति व्यापार (एचएफटी) में अपनी भूमिका के लिए उल्लेखनीय ध्यान प्राप्त किया है जो कि व्यापारिक निर्णय लेने के लिए गणित पर निर्भर करता है मात्रात्मक निवेश का व्यापक रूप से एक स्टैंड-अलोन अनुशासन के रूप में और दोनों रिटर्न वृद्धि और जोखिम शमन दोनों के लिए पारंपरिक गुणात्मक विश्लेषण के साथ व्यापक रूप से अभ्यास किया जाता है।

डेटा, डेटा हर जगह

कंप्यूटर युग के उदय ने असाधारण छोटी अवधि में डेटा की भारी मात्रा में कमी करने के लिए संभव बना दिया है। इसने तेजी से जटिल मात्रात्मक व्यापारिक रणनीतियों का नेतृत्व किया है, क्योंकि व्यापारियों ने लगातार पैटर्न की पहचान करना, उन पैटर्नों का मॉडल बनाना और प्रतिभूतियों में मूल्य आंदोलनों की भविष्यवाणी करने के लिए उनका उपयोग करना है।

सार्वजनिक रूप से उपलब्ध डेटा का उपयोग करते हुए क्वांटस अपनी रणनीतियां लागू करते हैं पैटर्न की पहचान उन्हें सिक्योरिटीज खरीदने या बेचने के लिए स्वचालित ट्रिगर्स स्थापित करने में सक्षम बनाता है। उदाहरण के लिए, ट्रेडिंग वॉल्यूम पैटर्न के आधार पर एक व्यापारिक रणनीति व्यापार की मात्रा और कीमतों के बीच एक संबंध की पहचान कर सकती है। इसलिए अगर शेयर की कीमत 25 डॉलर प्रति शेयर पर गिरती है और जब कीमत 30 डॉलर हो जाती है तो एक खास स्टॉक पर ट्रेडिंग वॉल्यूम बढ़ जाता है, तो एक क्वांट 25 डॉलर में स्वचालित खरीद सेट कर सकता है।50 और स्वचालित रूप से $ 29 पर बेचना 50.

इसी तरह की रणनीति आय, कमाई के पूर्वानुमान, कमाई के आश्चर्य और अन्य कारकों पर आधारित हो सकती है। प्रत्येक मामले में, शुद्ध क्वांट ट्रेडर्स को कंपनी की बिक्री की संभावना, प्रबंधन टीम, उत्पाद की गुणवत्ता या उसके व्यवसाय के किसी अन्य पहलू के बारे में परवाह नहीं है। वे अपने आदेशों को सख्ती से खरीदने और बेचने का आदेश दे रहे हैं, जिनकी संख्या उनके द्वारा पहचान की गई है, उनके लिए होती है।

लाभ से परे मात्रात्मक विश्लेषण का इस्तेमाल उन पैटर्नों की पहचान करने के लिए किया जा सकता है जो स्वयं को लाभदायक सुरक्षा व्यापारों में उधार दे सकते हैं, लेकिन यह उसका एकमात्र मूल्य नहीं है। पैसा बनाने में हर निवेशक एक लक्ष्य है, जो 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-स्क्वेर, मानक विचलन और शार्प अनुपात जैसे जोखिम उपायों की तुलना में निवेश की पहचान करने के लिए शामिल है, जो कि निवेश के लिए उच्चतम स्तर की वापसी प्रदान करेगा जोखिम का स्तर दिया यह विचार यह है कि निवेशकों को रिटर्न के अपने लक्षित स्तर को प्राप्त करने के लिए जरूरी नहीं है, इससे अधिक जोखिम नहीं लेना चाहिए।

इसलिए, अगर डेटा से पता चलता है कि दो निवेश समान रिटर्न उत्पन्न करने की संभावना है, लेकिन यह एक ऊपर और नीचे कीमत झूलों के मामले में काफी अधिक अस्थिर होगा, लेकिन कमजोर निवेश की सिफारिश की जाएगी। फिर, क्वांटस को इस बात की कोई परवाह नहीं है कि निवेश का प्रबंधन कौन करता है, इसकी बैलेंस शीट कैसा दिखती है, किस उत्पाद से पैसे कमाने या किसी अन्य गुणात्मक कारक की मदद मिलती है। वे पूरी तरह से संख्याओं पर ध्यान केंद्रित करते हैं और निवेश का चयन करते हैं (गणितीय बोलने वाले) जोखिम के निम्नतम स्तर प्रदान करते हैं।

जोखिम-समता पोर्टफोलियो कार्रवाई में क्वांट-आधारित रणनीति का एक उदाहरण है। बुनियादी अवधारणा में बाजार की अस्थिरता के आधार पर परिसंपत्ति आवंटन के फैसले करने की आवश्यकता होती है। जब अस्थिरता में गिरावट आती है, तो पोर्टफोलियो में जोखिम लेने का स्तर बढ़ जाता है। जब उतार-चढ़ाव बढ़ता है, तो पोर्टफोलियो में जोखिम लेने का स्तर नीचे जाता है।

उदाहरण को थोड़ा अधिक यथार्थवादी बनाने के लिए, एक पोर्टफोलियो पर विचार करें जो अपनी परिसंपत्तियों को नकद और एसएंडपी 500 इंडेक्स फंड के बीच विभाजित करता है। शेयर बाजार की अस्थिरता के लिए प्रॉक्सी के रूप में शिकागो बोर्ड ऑप्शन एक्सचेंज वाल्टालिटी इंडेक्स (वीआईएक्स) का उपयोग करते समय, जब उतार-चढ़ाव बढ़ जाता है, तो हमारा काल्पनिक पोर्टफोलियो अपनी परिसंपत्तियों को नकद की ओर ले जाएगा। जब वाष्पशीलता में गिरावट आती है, तो हमारा पोर्टफोलियो एसएंडपी 500 इंडेक्स फंड में परिसंपत्तियों को बदल देगा। मॉडल, जो हम यहां संदर्भ देते हैं, शायद स्टॉक, बॉन्ड, कमोडिटीज, मुद्राओं और अन्य निवेशों के अलावा, काफी अधिक जटिल हो सकते हैं, लेकिन अवधारणा एक समान है।

लाभ

क्वांट ट्रेडिंग एक विधिक निर्णय लेने की प्रक्रिया है पैटर्न और संख्याएं सभी चीजें हैं। यह एक प्रभावी खरीद / बिक्री अनुशासन है, जैसा कि लगातार निष्पादित किया जा सकता है, भावनाओं से बाधित नहीं होता है जो अक्सर वित्तीय निर्णय से जुड़ा होता है

यह एक लागत प्रभावी रणनीति भी है चूंकि कंप्यूटर काम करते हैं, फर्मों जो क्वांट रणनीतियों पर भरोसा करते हैं उन्हें विश्लेषक और पोर्टफोलियो प्रबंधकों की बड़ी, महंगी टीमों को भुनाने की आवश्यकता नहीं होती है।और न ही उन्हें संभावित निवेशों का आकलन करने के लिए देश या विश्व निरीक्षण कंपनियों के आसपास यात्रा करने और प्रबंधन के साथ बैठक करने की जरूरत नहीं है। वे डेटा का विश्लेषण करने और ट्रेडों को निष्पादित करने के लिए केवल कंप्यूटर का उपयोग करते हैं।

जोखिम

"झूठ, झूठ और झूठ और आँकड़े" अक्सर उद्धरण चिह्नों का वर्णन करने के लिए डेटा में तरीके के असंख्य का इस्तेमाल किया जा सकता है हालांकि मात्रात्मक विश्लेषकों ने पैटर्न की पहचान करने की कोशिश की है, प्रक्रिया कोई भी तरह से बेवकूफ़-सबूत नहीं है विश्लेषण में डेटा की विशाल मात्रा के माध्यम से मर्ज करना शामिल है सही डेटा चुनना कोई गारंटी नहीं है, बस ऐसे पैटर्न के रूप में सुझाव देने के लिए कि कुछ परिणाम पूरी तरह से तब तक काम कर सकते हैं जब तक वे नहीं करते। यहां तक ​​कि जब एक पैटर्न काम करने के लिए प्रतीत होता है, पैटर्न को मान्य करना एक चुनौती हो सकती है। जैसा कि हर निवेशक जानता है, वहाँ कोई निश्चित दांव हैं

2008-09 के स्टॉक मार्केट में गिरावट जैसे अंतरण अंक, इन रणनीतियों पर कठिन हो सकते हैं, क्योंकि पैटर्न अचानक बदल सकते हैं यह भी याद रखना महत्वपूर्ण है कि डेटा हमेशा पूरी कहानी नहीं बताता है मानव एक घोटाले या प्रबंधन परिवर्तन को देख सकता है, क्योंकि यह विकासशील है, जबकि एक विशुद्ध रूप से गणितीय दृष्टिकोण ऐसा नहीं कर सकता। इसके अलावा, एक रणनीति कम प्रभावी हो जाती है क्योंकि निवेशकों की संख्या में बढ़ोतरी करने का प्रयास किया जाता है। जो पैटर्न काम करते हैं वह कम प्रभावी हो जाता है क्योंकि अधिक से अधिक निवेशक इससे लाभ की कोशिश करते हैं।

नीचे की रेखा

कई निवेश रणनीतियों दोनों मात्रात्मक और गुणात्मक रणनीतियों के मिश्रण का उपयोग करते हैं वे संभावित निवेश की पहचान करने के लिए क्वालिटी रणनीति का उपयोग करते हैं और फिर अंतिम निवेश की पहचान करने के लिए अगले स्तर तक अपने शोध प्रयासों को लेने के लिए गुणात्मक विश्लेषण का उपयोग करते हैं।

वे जोखिम प्रबंधन के लिए निवेश और मात्रा डेटा चुनने के लिए गुणात्मक अंतर्दृष्टि का भी उपयोग कर सकते हैं हालांकि मात्रात्मक और गुणात्मक दोनों तरह के निवेश रणनीतियों के उनके समर्थकों और उनके समीक्षकों के लिए रणनीतियों पर पारस्परिक रूप से अनन्य होना आवश्यक नहीं है।