मात्रात्मक विश्लेषण का एक सरल अवलोकन
वित्त में मात्रात्मक विश्लेषण (क्यूए) एक दृष्टिकोण है जो एक वित्तीय परिसंपत्ति के मूल्य को निर्धारित करने में मदद करने के लिए गणितीय और सांख्यिकीय विश्लेषण पर जोर देता है, जैसे स्टॉक या विकल्प। ट्रेडिंग एल्गोरिदम और कंप्यूटर मॉडल विकसित करने के लिए मात्रात्मक ट्रेडिंग विश्लेषकों (जिसे ” क्वेंट ” के रूप में भी जाना जाता है ) ऐतिहासिक निवेश और स्टॉक मार्केट डेटा सहित विभिन्न डेटा का उपयोग करते हैं।
इन कंप्यूटर मॉडलों द्वारा उत्पन्न जानकारी निवेशकों को निवेश के अवसरों का विश्लेषण करने और उन्हें विकसित करने में मदद करती है जो उन्हें विश्वास है कि एक सफल ट्रेडिंग रणनीति होगी । आमतौर पर, इस ट्रेडिंग रणनीति में प्रवेश और निकास बिंदु, व्यापार के अपेक्षित जोखिम और अपेक्षित वापसी के बारे में बहुत विशिष्ट जानकारी शामिल होगी ।
वित्तीय मात्रात्मक विश्लेषण का अंतिम लक्ष्य लाभदायक निवेश निर्णय लेने में निवेशकों की सहायता करने के लिए क्वांटिफ़ेबल आँकड़ों और मैट्रिक्स का उपयोग करना है। इस लेख में, हम मात्रात्मक निवेश के इतिहास की समीक्षा करते हैं, इसकी तुलना गुणात्मक विश्लेषण से करते हैं, और कार्रवाई में एक मात्रा-आधारित रणनीति का एक उदाहरण प्रदान करते हैं।
चाबी छीन लेना
- कंप्यूटर युग के उदय से मात्रात्मक विश्लेषण सामने आया, जिसने कम समय में बड़ी मात्रा में डेटा का विश्लेषण करना पहले से कहीं अधिक आसान बना दिया।
- मात्रात्मक ट्रेडिंग विश्लेषक (क्वेंट) ट्रेडिंग पैटर्न की पहचान करते हैं, उन पैटर्न का आकलन करने के लिए मॉडल बनाते हैं, और प्रतिभूतियों की कीमत और दिशा के बारे में पूर्वानुमान बनाने के लिए जानकारी का उपयोग करते हैं।
- एक बार मॉडल बन जाने और जानकारी एकत्रित हो जाने के बाद, क्वान्ट प्रतिभूतियों के स्वचालित ट्रेडों को स्थापित करने के लिए डेटा का उपयोग करते हैं।
- मात्रात्मक विश्लेषण गुणात्मक विश्लेषण से अलग है, जो ऐसे कारकों को देखता है जैसे कि कंपनियों को कैसे संरचित किया जाता है, उनकी प्रबंधन टीमों का श्रृंगार, और उनकी ताकत और कमजोरियां क्या हैं।
“क्वेरी” दर्ज करें
नोबेल पुरस्कार से सम्मानित अर्थशास्त्री हैरी मार्कोविट्ज़ को आमतौर पर मात्रात्मक निवेश आंदोलन की शुरुआत करने का श्रेय दिया जाता है जब उन्होंनेमार्च 1952 मेंजर्नल ऑफ़ फाइनेंस में”पोर्टफोलियो चयन” प्रकाशितकिया था। मार्कोविट ने आधुनिक पोर्टफोलियो सिद्धांत (एमपीटी) की शुरुआत की, जिसमें दिखाया गया कि कैसे निर्माण करना है विभिन्न जोखिम स्तरों के लिए रिटर्न को अधिकतम करने में सक्षम परिसंपत्तियों के विविध पोर्टफोलियो। मार्कोविट्ज़ ने विविधीकरण को निर्धारित करने के लिए गणित का उपयोग किया और इसे इस अवधारणा के शुरुआती अपनाने के रूप में उद्धृत किया जाता है कि गणितीय मॉडल को निवेश पर लागू किया जा सकता है।
रॉबर्ट मर्टन, आधुनिक वित्तीय सिद्धांत के एक अग्रणी, ने मूल्य निर्धारण डेरिवेटिव के लिए गणितीय तरीकों में अपने शोध के लिए नोबेल पुरस्कार जीता। मार्कोविट्ज़ और मर्टन के काम ने निवेश के लिए मात्रात्मक (मात्रा) दृष्टिकोण की नींव रखी।
मात्रात्मक बनाम गुणात्मक विश्लेषण
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 हैं या उनकी देखभाल नहीं करते हैं, जो वे उन कंपनियों या सेवाओं में निवेश करते हैं जो इन कंपनियों द्वारा प्रदान की जाती हैं। इसके बजाय, वे निवेश के निर्णय लेने के लिए विशुद्ध रूप से गणित पर भरोसा करते हैं।
Quants- जिनके पास अक्सर वैज्ञानिक पृष्ठभूमि और सांख्यिकी या गणित में डिग्री होती है- वे कंप्यूटर और प्रोग्रामिंग भाषाओं के अपने ज्ञान का उपयोग अनुकूलित ट्रेडिंग सिस्टम बनाने के लिए करेंगे जो ट्रेडिंग प्रक्रिया को स्वचालित करते हैं। उनके कार्यक्रमों के इनपुट में मुख्य वित्तीय अनुपात (जैसे मूल्य-से-आय अनुपात ) से लेकर अधिक जटिल गणना, जैसे कि रियायती नकदी प्रवाह (DCF) मूल्यांकन शामिल हो सकते हैं।
2:11
हेज फंड मैनेजरों ने कार्यप्रणाली को अपनाया। कंप्यूटिंग तकनीक में प्रगति ने क्षेत्र को और उन्नत किया, क्योंकि जटिल एल्गोरिदम की गणना एक आँख की झपकी में की जा सकती थी, इस प्रकार स्वचालित व्यापारिक रणनीतियाँ बनाई जा सकती थीं। डॉटकॉम बूम और बस्ट के दौरान क्षेत्र का विकास हुआ ।
ग्रेट मंदी में ठोकर की मात्रा रणनीति के रूप में वे बाजार और अर्थव्यवस्था पर एक पूरे के रूप में बंधक-समर्थित प्रतिभूतियों के प्रभाव के लिए खाते में विफल रहे । हालाँकि, क्वांट स्ट्रेटेजी आज भी उपयोग में है और उच्च-आवृत्ति ट्रेडिंग (एचएफटी) में उनकी भूमिका पर ध्यान देने योग्य है, जो व्यापारिक निर्णय लेने के लिए गणित पर निर्भर है। मात्रात्मक निवेश भी 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।
क्वैंट गुणात्मक विश्लेषकों से बहुत अलग हैं, इसमें वे मुख्य रूप से गणितीय समीकरणों और मॉडलों पर आधारित निर्णय लेते हैं।
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 उनका 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 संबंध की पहचान की हो सकती है। इसलिए अगर 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 पर एक स्वचालित खरीद और $ 29.50 पर एक 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 के आधार पर संख्या के आधार पर खरीदने और बेचने के अपने आदेश दे रहे हैं।
मात्रात्मक विश्लेषण का उपयोग कंप्यूटर मॉडल बनाकर जोखिम को कम करने के लिए किया जा सकता है जो उस निवेश की पहचान करते हैं जो जोखिम के पसंदीदा स्तर के सापेक्ष सर्वोत्तम स्तर प्रदान करता है।
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, मात्रात्मक विश्लेषण का उपयोग जोखिम को कम करने के लिए भी किया जा सकता है।
तथाकथित “जोखिम-समायोजित रिटर्न” की खोज में अल्फा, बीटा, आर-स्क्वेर, मानक विचलन, और निवेश की पहचान करने के लिए शार्प अनुपात की तुलना में जोखिम उपायों की तुलना करना शामिल है जो दिए गए स्तर के लिए वापसी का उच्चतम स्तर प्रदान करेगा जोखिम। विचार यह 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 निवेश समान रिटर्न उत्पन्न करने की संभावना रखते हैं, 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 मात्रा 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।
मात्रात्मक विश्लेषण का उदाहरण
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 में 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 अप्रभावित 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 और पोर्टफोलियो प्रबंधकों की बड़ी, महंगी टीमों 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 को हेरफेर करने के तरीकों के असंख्य 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 कोई गारंटी नहीं है, बस ट्रेडिंग पैटर्न के रूप में जो कुछ परिणामों का सुझाव देते हैं, जब तक वे पूरी तरह से काम नहीं करते हैं। यहां तक कि जब एक पैटर्न काम करने लगता 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 के रूप में विभक्ति 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 नियोजित करने का प्रयास करती है। काम करने वाले पैटर्न कम प्रभावी हो जाएंगे क्योंकि अधिक से अधिक निवेशक इससे लाभ प्राप्त करने की कोशिश करेंगे।
तल – रेखा
कई निवेश रणनीतियों 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।