పెట్టుబడితో ముడిపడి ఉన్న సంభావ్య గరిష్టాలు, అల్పాలు మరియు మనోభావాలు అంతిమ లక్ష్యాన్ని కప్పివేస్తాయి: డబ్బు సంపాదించడం. తరువాతి వాటిపై దృష్టి పెట్టడానికి మరియు మునుపటిని తొలగించడానికి, పెట్టుబడికి “పరిమాణాత్మక” విధానం అసంపూర్తిగా కాకుండా సంఖ్యలపై దృష్టి పెట్టడానికి ప్రయత్నిస్తుంది.
“క్వాంట్స్” ఎంటర్ చెయ్యండి
హ్యారీ మార్కోవిట్జ్ 1952 మార్చిలో జర్నల్ ఆఫ్ ఫైనాన్స్‌లో “పోర్ట్‌ఫోలియో సెలెక్షన్” ను ప్రచురించినప్పుడు పరిమాణాత్మక పెట్టుబడి ఉద్యమాన్ని ప్రారంభించిన ఘనత. మార్కోవిట్జ్ వైవిధ్యతను లెక్కించడానికి గణితాన్ని ఉపయోగించారు మరియు గణిత నమూనాలు కావచ్చు అనే భావన యొక్క ప్రారంభ స్వీకర్తగా పేర్కొనబడింది పెట్టుబడికి వర్తింపజేయబడింది.
ఆధునిక ఆర్థిక సిద్ధాంతంలో అగ్రగామిగా ఉన్న రాబర్ట్ మెర్టన్, ధర ఉత్పన్నాల కోసం గణిత పద్ధతులపై చేసిన కృషికి నోబెల్ బహుమతిని గెలుచుకున్నాడు. మార్కోవిట్జ్ మరియు మెర్టన్ యొక్క పని పెట్టుబడికి పరిమాణాత్మక (పరిమాణ) విధానానికి పునాది వేసింది.
సాంప్రదాయ గుణాత్మక పెట్టుబడి విశ్లేషకుల మాదిరిగా కాకుండా, క్వాంట్స్ కంపెనీలను సందర్శించవు, నిర్వహణ బృందాలను కలవవు, లేదా పోటీతత్వాన్ని గుర్తించడానికి సంస్థలు విక్రయించే ఉత్పత్తులను పరిశోధించవు. పెట్టుబడి నిర్ణయాలు తీసుకోవటానికి గణితంపై పూర్తిగా ఆధారపడే వారు పెట్టుబడి పెట్టే సంస్థల గుణాత్మక అంశాల గురించి వారికి తరచుగా తెలియదు లేదా పట్టించుకోరు.
పరిమాణ విశ్లేషకుడు ఏమి చేస్తారు?
హెడ్జ్ ఫండ్ నిర్వాహకులు కంప్యూటింగ్ టెక్నాలజీలో పద్దతిని మరియు పురోగతిని స్వీకరించారు, ఇది క్షేత్రాన్ని మరింత అభివృద్ధి చేసింది, ఎందుకంటే సంక్లిష్ట అల్గోరిథంలను కంటి రెప్పలో లెక్కించవచ్చు. డాట్కామ్ బూమ్ మరియు పతనం సమయంలో ఈ క్షేత్రం అభివృద్ధి చెందింది, ఎందుకంటే టెక్ బస్ట్ మరియు మార్కెట్ క్రాష్ యొక్క ఉన్మాదాన్ని క్వాంట్స్ ఎక్కువగా నివారించాయి.
వారు గొప్ప మాంద్యంలో పొరపాట్లు చేస్తుండగా, పరిమాణ వ్యూహాలు నేడు వాడుకలో ఉన్నాయి మరియు వాణిజ్య నిర్ణయాలు తీసుకోవటానికి గణితంపై ఆధారపడే హై-ఫ్రీక్వెన్సీ ట్రేడింగ్ (HFT) లో వారి పాత్రకు చెప్పుకోదగిన దృష్టిని ఆకర్షించింది. పరిమాణాత్మక పెట్టుబడి అనేది స్వతంత్ర క్రమశిక్షణగా మరియు రిటర్న్ మెరుగుదల మరియు రిస్క్ తగ్గించడం రెండింటికీ సాంప్రదాయ గుణాత్మక విశ్లేషణతో కలిపి విస్తృతంగా అభ్యసిస్తారు.
డేటా, ప్రతిచోటా డేటా
కంప్యూటర్ శకం యొక్క పెరుగుదల అసాధారణమైన స్వల్ప వ్యవధిలో అపారమైన డేటాను క్రంచ్ చేయడం సాధ్యపడింది. వ్యాపారులు స్థిరమైన నమూనాలను గుర్తించడానికి, ఆ నమూనాలను మోడల్ చేయడానికి మరియు సెక్యూరిటీలలో ధరల కదలికలను అంచనా వేయడానికి వాటిని ఉపయోగించుకోవటానికి ఇది సంక్లిష్టమైన పరిమాణాత్మక వాణిజ్య వ్యూహాలకు దారితీసింది.
క్వాంట్స్ బహిరంగంగా లభించే డేటాను ఉపయోగించి వారి వ్యూహాలను అమలు చేస్తాయి. నమూనాల గుర్తింపు సెక్యూరిటీలను కొనడానికి లేదా విక్రయించడానికి ఆటోమేటిక్ ట్రిగ్గర్‌లను ఏర్పాటు చేయడానికి వారిని అనుమతిస్తుంది.
ఉదాహరణకు, ట్రేడింగ్ వాల్యూమ్ నమూనాల ఆధారంగా ఒక ట్రేడింగ్ స్ట్రాటజీ ట్రేడింగ్ వాల్యూమ్ మరియు ధరల మధ్య పరస్పర సంబంధాన్ని గుర్తించి ఉండవచ్చు. కాబట్టి, స్టాక్ యొక్క ధర షేరుకు $ 25 ను తాకినప్పుడు మరియు ధర $ 30 ను తాకినప్పుడు ఒక నిర్దిష్ట స్టాక్‌పై ట్రేడింగ్ వాల్యూమ్ పెరిగితే, ఒక పరిమాణం ఆటోమేటిక్ కొనుగోలును. 25.50 వద్ద మరియు ఆటోమేటిక్ అమ్మకాన్ని. 29.50 వద్ద ఏర్పాటు చేస్తుంది.
ఇలాంటి వ్యూహాలు ఆదాయాలు, ఆదాయాల అంచనాలు, ఆదాయాలు ఆశ్చర్యకరమైనవి మరియు ఇతర కారకాలపై ఆధారపడి ఉంటాయి. ప్రతి సందర్భంలో, స్వచ్ఛమైన క్వాంట్ వ్యాపారులు సంస్థ యొక్క అమ్మకపు అవకాశాలు, నిర్వహణ బృందం, ఉత్పత్తి నాణ్యత లేదా దాని వ్యాపారం యొక్క ఇతర అంశాల గురించి పట్టించుకోరు. వారు గుర్తించిన నమూనాలలో లెక్కించిన సంఖ్యల ఆధారంగా ఖచ్చితంగా కొనుగోలు మరియు అమ్మకం కోసం వారు తమ ఆదేశాలను ఇస్తున్నారు.
ప్రమాదాన్ని తగ్గించడానికి నమూనాలను గుర్తించడం
లాభదాయక భద్రతా లావాదేవీలకు రుణాలు ఇచ్చే నమూనాలను గుర్తించడానికి పరిమాణాత్మక విశ్లేషణను ఉపయోగించవచ్చు, కానీ అది దాని ఏకైక విలువ కాదు. డబ్బు సంపాదించడం ప్రతి పెట్టుబడిదారుడు అర్థం చేసుకోగల లక్ష్యం అయితే, పరిమాణాత్మక విశ్లేషణ కూడా ప్రమాదాన్ని తగ్గించడానికి ఉపయోగపడుతుంది.
"రిస్క్-అడ్జస్ట్డ్ రిటర్న్స్" అని పిలవబడే ప్రయత్నంలో ఆల్ఫా, బీటా, ఆర్-స్క్వేర్డ్, స్టాండర్డ్ విచలనం మరియు షార్ప్ రేషియో వంటి రిస్క్ కొలతలను పోల్చడం, ఇచ్చిన స్థాయికి అత్యధిక స్థాయి రాబడిని అందించే పెట్టుబడిని గుర్తించడం. ప్రమాదం. పెట్టుబడిదారులు తమ లక్ష్య స్థాయి రాబడిని సాధించడానికి అవసరమైన దానికంటే ఎక్కువ రిస్క్ తీసుకోకూడదనే ఆలోచన ఉంది.
కాబట్టి, రెండు పెట్టుబడులు ఒకే విధమైన రాబడిని పొందగలవని డేటా వెల్లడిస్తే, కానీ పైకి క్రిందికి ధరల మార్పుల విషయంలో ఒకటి మరింత అస్థిరంగా ఉంటుంది, క్వాంట్స్ (మరియు ఇంగితజ్ఞానం) తక్కువ ప్రమాదకర పెట్టుబడిని సిఫారసు చేస్తుంది. మరలా, పెట్టుబడిని ఎవరు నిర్వహిస్తారు, దాని బ్యాలెన్స్ షీట్ ఎలా ఉంటుంది, డబ్బు సంపాదించడానికి లేదా ఇతర గుణాత్మక కారకాలకు ఏ ఉత్పత్తి సహాయం చేస్తుంది. వారు పూర్తిగా సంఖ్యలపై దృష్టి పెడతారు మరియు (గణితశాస్త్రంలో చెప్పాలంటే) అత్యల్ప స్థాయి ప్రమాదాన్ని అందించే పెట్టుబడిని ఎంచుకుంటారు.
రిస్క్-పారిటీ పోర్ట్‌ఫోలియోలు చర్యలో పరిమాణ-ఆధారిత వ్యూహాలకు ఉదాహరణ. మార్కెట్ అస్థిరత ఆధారంగా ఆస్తి కేటాయింపు నిర్ణయాలు తీసుకోవడం ప్రాథమిక భావన. అస్థిరత తగ్గినప్పుడు, పోర్ట్‌ఫోలియోలో రిస్క్ తీసుకునే స్థాయి పెరుగుతుంది. అస్థిరత పెరిగినప్పుడు, పోర్ట్‌ఫోలియోలో రిస్క్ తీసుకునే స్థాయి తగ్గుతుంది.
ఉదాహరణను మరింత వాస్తవికంగా చేయడానికి, దాని ఆస్తులను నగదు మరియు ఎస్ & పి 500 ఇండెక్స్ ఫండ్ మధ్య విభజించే పోర్ట్‌ఫోలియోను పరిగణించండి. చికాగో బోర్డ్ ఆప్షన్స్ ఎక్స్ఛేంజ్ అస్థిరత సూచిక (VIX) ను స్టాక్ మార్కెట్ అస్థిరతకు ప్రాక్సీగా ఉపయోగించడం, అస్థిరత పెరిగినప్పుడు, మా ot హాత్మక పోర్ట్‌ఫోలియో దాని ఆస్తులను నగదు వైపుకు మారుస్తుంది. అస్థిరత తగ్గినప్పుడు, మా పోర్ట్‌ఫోలియో ఆస్తులను ఎస్ అండ్ పి 500 ఇండెక్స్ ఫండ్‌కు మారుస్తుంది. మోడల్స్ మనం ఇక్కడ సూచించిన దానికంటే చాలా క్లిష్టంగా ఉంటాయి, బహుశా స్టాక్స్, బాండ్స్, కమోడిటీస్, కరెన్సీలు మరియు ఇతర పెట్టుబడులతో సహా, కానీ భావన అలాగే ఉంటుంది.
క్వాంట్ ట్రేడింగ్ యొక్క ప్రయోజనాలు
క్వాంట్ ట్రేడింగ్ అనేది ఒక ఉద్రేకపూర్వక నిర్ణయం తీసుకునే ప్రక్రియ. నమూనాలు మరియు సంఖ్యలు అన్నింటికీ ముఖ్యమైనవి. ఇది ఆర్థిక నిర్ణయాలతో ముడిపడి ఉన్న భావోద్వేగానికి ఆటంకం లేకుండా, స్థిరంగా అమలు చేయగల సమర్థవంతమైన కొనుగోలు / అమ్మకం క్రమశిక్షణ.
ఇది ఖర్చుతో కూడుకున్న వ్యూహం కూడా. కంప్యూటర్లు పని చేస్తున్నందున, పరిమాణ వ్యూహాలపై ఆధారపడే సంస్థలు పెద్ద, ఖరీదైన విశ్లేషకుల బృందాలను మరియు పోర్ట్‌ఫోలియో నిర్వాహకులను నియమించాల్సిన అవసరం లేదు. సంభావ్య పెట్టుబడులను అంచనా వేయడానికి వారు దేశం లేదా ప్రపంచవ్యాప్తంగా సంస్థలను తనిఖీ చేయడం మరియు నిర్వహణతో సమావేశం కావాల్సిన అవసరం లేదు. వారు డేటాను విశ్లేషించడానికి మరియు ట్రేడ్‌లను అమలు చేయడానికి కంప్యూటర్లను ఉపయోగిస్తారు.
ప్రమాదాలు ఏమిటి?
"అబద్ధాలు, తిట్టు అబద్ధాలు మరియు గణాంకాలు" అనేది డేటాలోని అనేక మార్గాలను మార్చటానికి తరచుగా ఉపయోగించే కోట్. పరిమాణాత్మక విశ్లేషకులు నమూనాలను గుర్తించడానికి ప్రయత్నిస్తుండగా, ఈ ప్రక్రియ ఏమాత్రం ఫూల్ ప్రూఫ్ కాదు. విశ్లేషణలో అధిక మొత్తంలో డేటా ద్వారా తొలగించడం ఉంటుంది. సరైన డేటాను ఎన్నుకోవడం అంటే హామీ కాదు, కొన్ని ఫలితాలను సూచించే నమూనాలు అవి చేయనంతవరకు ఖచ్చితంగా పని చేస్తాయి. ఒక నమూనా పని చేసినట్లు కనిపించినప్పటికీ, నమూనాలను ధృవీకరించడం సవాలుగా ఉంటుంది. ప్రతి పెట్టుబడిదారుడికి తెలిసినట్లుగా, ఖచ్చితంగా పందెం లేవు.
2008-09 యొక్క స్టాక్ మార్కెట్ తిరోగమనం వంటి ఇన్ఫ్లేషన్ పాయింట్లు ఈ వ్యూహాలపై కఠినంగా ఉంటాయి, ఎందుకంటే నమూనాలు అకస్మాత్తుగా మారవచ్చు. డేటా ఎల్లప్పుడూ మొత్తం కథను చెప్పదని గుర్తుంచుకోవడం కూడా ముఖ్యం. అభివృద్ధి చెందుతున్నప్పుడు మానవులు కుంభకోణం లేదా నిర్వహణ మార్పును చూడగలరు, అయితే పూర్తిగా గణిత విధానం తప్పనిసరిగా అలా చేయదు. అలాగే, పెరుగుతున్న పెట్టుబడిదారులు దీనిని ఉపయోగించటానికి ప్రయత్నిస్తున్నందున ఒక వ్యూహం తక్కువ ప్రభావవంతంగా మారుతుంది. ఎక్కువ మంది పెట్టుబడిదారులు దాని నుండి లాభం పొందడానికి ప్రయత్నించడంతో పని చేసే పద్ధతులు తక్కువ ప్రభావవంతంగా మారతాయి.
బాటమ్ లైన్
అనేక పెట్టుబడి వ్యూహాలు పరిమాణాత్మక మరియు గుణాత్మక వ్యూహాల మిశ్రమాన్ని ఉపయోగిస్తాయి. సంభావ్య పెట్టుబడులను గుర్తించడానికి వారు పరిమాణ వ్యూహాలను ఉపయోగిస్తారు మరియు తరువాత తుది పెట్టుబడిని గుర్తించడంలో వారి పరిశోధన ప్రయత్నాలను తదుపరి స్థాయికి తీసుకెళ్లడానికి గుణాత్మక విశ్లేషణను ఉపయోగిస్తారు.
రిస్క్ మేనేజ్‌మెంట్ కోసం పెట్టుబడులు మరియు క్వాంట్ డేటాను ఎంచుకోవడానికి వారు గుణాత్మక అంతర్దృష్టిని కూడా ఉపయోగించవచ్చు. పరిమాణాత్మక మరియు గుణాత్మక పెట్టుబడి వ్యూహాలు రెండింటికీ వారి ప్రతిపాదకులు మరియు వారి విమర్శకులు ఉన్నప్పటికీ, వ్యూహాలు పరస్పరం ప్రత్యేకంగా ఉండవలసిన అవసరం లేదు.
