אסטרטגיות Quant בסביבת פיזור שוק עולה
לאחר שהסתיים עידן “הכסף הקל”, תנאי השוק החדשים מהווים מצע תומך לקרנות ה–quant שכוחן הוא באיתור הזדמנויות ובניצול מצבי חוסר יעילות של השוק.
היכנסו לכתבה המלאה של Joseph Burns
בסופו של יום הכיוון השתנה:
15 השנים האחרונות (מאז המשבר הפיננסי הגדול) התאפיינו בנזילות עודפת וריביות נמוכות. אלו יצרו תרחיש שבו “כל הספינות עולות עם הגאות”. הגישה להון זול סייעה אפילו לחברות החלשות בשוק להמשיך לצוף ולהציג תשואות יפות, באופן שייתר את הצורך באיתור השקעות איכותיות. אבל, כמו תמיד, הגאות לא נשארת לנצח והגלגל מתהפך:
ממדי האינפלציה נסקו בשנת 2022 לשיא שלא היה מאז נובמבר 1981. הפדרל ריזרב (FED) כבר העלה את הריבית ב- 425 נקודות בסיס, ונראה שעוד לא אמר את המילה אחרונה. לצד זאת, החל גם מהלך של צמצום כמותי כשה- FED כיווץ את המאזן שלו ב- 95 מיליארד דולר לחודש.
כל זה, במצטבר, צימצם את הנזילות וייצר פער משמעותי בין עסקים בעלי בסיס חזק לעסקים חלשים יותר. כתוצאה מכך, גדל פיזור שוק המניות וגם התרחב בין המגזרים השונים.
נתונים היסטוריים מלמדים שקרנות quant משיגות תשואות טובות יותר מתיק מסורתי של 60/40 בתקופות כאלו של ריסון מוניטרי ושל הריבית עולה (ראו תרשים להלן).
למה סביבה מפוזרת יותר מטיבה עם קרנות quant?
השקעה במניות באמצעות ניתות כמותי מבוססת בעיקר על בחירת מניות (Stock Picking) לטווח ארוך ולטווח קצר. מנהלי קרנות ה-quant בוחרים, בדרך כלל, מניות על סמך ניתוח סטטיסטי, לעיתים קרובות דרך הסתכלות על פקטור עם ביצועים מוכחים באופן היסטורי, במטרה למצוא פרצות והזדמנויות בשוק.
קרנות quant יכולות לנתח מגוון רחב של מניות ובמהירות גבוהה יותר מאשר קרנות שמבוססות על גישת הניתוח המסורתית. הן יכולות לנצל טכנולוגיה ואלגוריתמים סטטיסטים שונים על מנת לעבד מידע רב על מגוון רחב יותר של מניות, מגזרים, שווקים ואזורים גיאוגרפיים, דבר שמשפר את העקביות ויכולת החיזוי שלהן. האסטרטגיה של קרנות ה-quant מתאפיינת, בדרך כלל, בביצוע מספר רב של עסקאות קטנות, קצרות ורווחיות.
לכן סביבת שוק מפוזרת יותר מגדילה את מספר ההזדמנויות ומשפרת את סיכויי ההצלחה של מבנה לונג-שורט. מנגד, בשוק שבו נתונים פונדמנטליים או “פקטורים” ספציפיים הם בעלי חשיבות מופחתת, וקיימת בו קורלציה גבוהה בין כל המניות וסטייה נמוכה של ביצועי מניות בודדות מהסקטור הכולל או ממסלול השוק, אסטרטגיית quant צפויה להצליח פחות ולהשיג ביצועים נמוכים יותר ממדדי כלליים.
בשוק השורי שהתפרש על פני חלק ניכר מהעידן שלאחר 2008, אסטרטגיות של חשיפות קצרות רק פגעו בתשואות וגם לא נוצלו כראוי לגידור הסיכונים.
השינוי שחל לאחרונה בשוק והרחבת הפיזור בשוק מייצרים סביבת עבודה מעניינת עבור קרנות ה-quant ומאפשרים להלן לנצל את הפוטנציאל שלהן בזיהוי הזדמנויות וכשלי שוק (ראו תרשים להלן).
האתגר האנושי בסביבה אינפלציונית
חשוב לציין שמעט מנהלי תיקים ומשקיעי מניות פעלו בסביבת שוק כמו זו שבה אנו נמצאים כעת. במיוחד, חדשה להם ההתמודדות עם רמת האינפלציה הגבוהה (הרמה הגבוהה ביותר בארה”ב מזה למעלה מ-40 שנה). הגם שרוב מנהלי ההשקעות הם מקצועיים, וסביר להניח שמכירים באופן תיאורטי את שיטות העבודה המומלצות להשקעה בסביבות אינפלציוניות, ההתמודדות בפועל עם האינפלציה היא קשה, והיצמדות לתיאוריות היא מאתגרת מאד כשמוספים למשוואה אמוציות והטיות קוגניטיביות והתנהגותיות. זאת ועוד, משקיעים בעלי אוריינטציה פנדומנטלית נוטים לעגן את עצמם לאמונותיהם בזמן זעזועים במאקרו, כמו זינוק באינפלציה.
לעומת זאת, אסטרטגיות המבוססות על אלגוריתמים כמותיים אינן מושפעות מאמוציות והטיות קוגנטיביות והתנהגותיות, כיוון שהן בעלות כללים ברורים לשמירת המשמעת הדרושה להן. יתרה מזאת, רבים מהמודלים האלו נבדקו במשך שנים רבות אחורה. הגם שלבדיקות עבר יש מגבלות, ניתוח על בסיס המודל הכולל עיבוד סטטיסטי חזק עשוי לנצל טוב יותר את ההון להשקעה בסביבה אינפלציונית, מאשר אסטרטגיות פאנדומנטליות המיושמות על ידי משקיעים שעד כה חוו רק עידן של אינפלציה נמוכה.
הסיכונים בתזה שלנו
אין ספק שלאסטרטגיות quant יש ערך כחלק מתיק השקעות מאוזן . אבל על אף הגישה האוהדת שלנו לאסטרטגיות quant בתקופה זו , קיים חשש שפיזור השוק יחזור לרמות נמוכות.
ראשית, קיים סיכוי שהשוק כבר תמחר במלואו או בצורה מוגזמת את העלאת הריבית, דבר שעלול להגביל את אפשרות לתשואה עודפת מכאן והלאה. כפי שצוין קודם, קיימת קורלציה בין פוטנציאל עליית התשואות לבין ההצלחה של קרנות ה-quant, כך שירידה בתשואות עשויה להוות רוח נגדית לקרנות.
שנית, זעזועים חיצוניים, כמו ההשפעות הכלכליות הנובעות מהסכסוך באוקראינה, עלולים להוביל לשינוי בישום המדיניות המוניטרית, דבר שייאט או יצמצם את העלאת הריביות הנוספות על ידי ה- FED ובנקים מרכזיים אחרים.
באופן כללי יותר, אתגר מתמשך עבור מודלים כמותיים נגזר מכך שההיסטוריה אינה מעגלית. מודלים כמותיים נגזרים בדרך כלל מנתוני עבר מבחינה רטרואקטיבית של אסטרטגיות השקעה על פני סט של סביבות שונות. הניתוחים הכמותיים המתבססים על נתוני עבר רק מוכיחים באופן קטגורי כי האסטרטגיה הייתה עובדת היסטורית, אבל אין ללמוד מכך בהכרח שהיא מתאימה למצב הנוכחי. גישות כמותיות עלולות למצוא קושי בזיהוי שינויים במהירות ובהסתגלות למאפיני שוק חדשים.
אפשרות גיוון עבור הקצאות ההון שלך
בסופו של דבר, במידה שסביבת האינפלציה הגבוהה ועלית הריבית נמשכות, נראה כי אנו בדרך חזרה לתקופה שתאופיין בפיזור שוק גדול יותר, כזה שצפוי להועיל לקרנות quant לונג-שורט
כאשר סביבה של עליות ריבית מתחילה להפריד בין החברות החזקות לבין יריבותיהן החלשות, המשמעת העצמית, המהירות והעקביות – אבני היסוד של הניתוח הכמותי – צפויות להוביל לשיפור הביצועים והעוסקים באיתור מנייות אטרקטיביות, לונג ושורט, ימצאו מרחב הולך וגדל בו יוכלו להיעזר באסטרטגיית quant.
הגישה השונה שמציעות קרנות ה-quant עשויה להתגלות כאפקטיבית עבור המשקיע. קרנות אלו מציעות פיזור רחב של השקעות ומתאפיינות בסטיית תקן נמוכה יותר של תשואות ( 10.3% לעומת 15% של S&P 500 ו -MSCI World indices). ככאלו, הן אמורות להציע הגנה מהתנודתיות המתמשכת בשוק המניות, ובמידה שהתנודתיות תגביר את הפיזור, אסטרטגיות כמותיות, כאשר מבוצעות בהצלחה, ידעו לנצל את התנודתיות לטובתן.
נספח – מהי אסטרטגיה כמותית (אסטרטגית quant)
אסטרטגיה כמותית מתייחסת לכל גישת השקעה המסתמכת על מודלים ואלגוריתמים מתמטיים כדי לקבוע ולהחליט במה להשקיע ומתי. כמעט כל אנשי מקצוע ההשקעות משלבים ניתוח כמותי בהחלטות ההשקעה שלהם, אך אסטרטגיות כמותיות מונחות באופן מחולט על ידי אלגוריתמים, הן במונחים של ניתוח והן במונחים של תהליך המסחר הפעיל שלהן, והן לא ישלבו מידע שלא ניתן לצבור ולנתח באופן שיטתי.
אסטרטגיות כמותיות נוצרות בדרך כלל באמצעות מחקר אמפירי נרחב, המזהה גורמים שהניבו באופן היסטורי תשואות עודפות. תהליך הידוע כ- Backtesting, מעריך את הכדאיות של אסטרטגיה על ידי מודלים של ביצועיה לאורך תקופות שונות. ניתוח כמותי משקלל נתונים כלכליים, חשבונאיים ופיננסים, אך גם עשוי לכלול נתונים ממשלתיים, מידע דמוגרפי ואפילו מקורות נתונים לא סטנדרטיים כגון גדול תעבורת אתר או פעילות כרטיסי אשראי. ככל שנפח הנתונים שנאספים וזמינים דיגיטלית ממשיך לגדול ולהתרחב ברחבי העולם, למודלים כמותיים יש בסיס נתונים גדול יותר שבאמצעותו ניתן לטייב את האלגוריתם.
מרגע שזוהו הגורמים הרלוונטיים ופותח האלגוריתם, יוצא הגורם האנושי מהתהליך, והחלטות ההשקעה מתקבלות ומבוצעות על ידי מחשבים. גישה שיטתית זו מובילה לביצוע עקבי וצפוי של האסטרטגיה שנבחרה. האלגוריתם עוקב כל הזמן אחר השוק כדי לזהות הזדמנויות תמחור שגוי שעומדות בקריטריונים שהוגדרו עבור הקרן, בין אם זה מבוסס ערך, צמיחה, איכות, מומנטום או מדד סטטיסטי אחר.
