Засоби виживання в умовах коливань ринку! Стаття допоможе вам зрозуміти стратегію «кількісного відбору акцій»!

Запит AI · Які переваги квантового відбору акцій у порівнянні з покращенням індексу в умовах коливального ринку?

З розвитком фінансових даних у країні та вдосконаленням технологій штучного інтелекту, а також з огляду на великі коливання на ринку капіталу в останні роки, ефективні, об’єктивні та дисципліновані стратегії квантового відбору акцій стали популярними у сфері приватних фондів, щоб використовувати системні переваги для реагування на складний ринок.

Отже, які конкретні переваги має стратегія квантового відбору акцій? Чим вона відрізняється від покращення індексу? Які були результати за останні кілька років? Як звичайний інвестор може вибрати якісні стратегії квантового відбору акцій? У наступному тексті автор детально відповість на ці питання.

1. Суть квантового відбору акцій: від “досвідченого” до “даних”

Квантовий відбір акцій — це інвестиційний метод, що базується на математичних моделях і комп’ютерних алгоритмах, який системно аналізує величезні обсяги даних для вибору акцій. На відміну від традиційного суб’єктивного відбору акцій, він не покладається на суб’єктивні судження аналітиків, а реалізує об’єктивний відбір акцій на основі системних правил на всьому ринку. Простими словами, квантовий відбір акцій — це “використання історичних закономірностей для прогнозування майбутнього, використання алгоритмів для подолання людських слабкостей”.

Логіка традиційного суб’єктивного відбору акцій зазвичай полягає в тому, що керуючий фондом формує “оптимістичні” або “песимістичні” судження про акції на основі макроекономічних, галузевих тенденцій або основних показників компанії (наприклад, фінансові звіти, дослідження), а потім формує портфель. Але ця модель обмежена когнітивними упередженнями людини та її здатністю обробляти інформацію — людський мозок не може одночасно аналізувати величезні обсяги даних і зберігати абсолютну дисципліну під час ринкових коливань.

Квантовий відбір акцій радикально змінив цей процес: він перетворює інвестиційну стратегію на обчислювальну “факторну модель”, вивчаючи історичні дані для виявлення ключових змінних, що впливають на ціну акцій (наприклад, рівень оцінки, прибутковість, співвідношення обсягу та ціни), навчаючи модель прогнозувати майбутній дохід акцій, а зрештою автоматично генеруючи команди на позиції за допомогою алгоритмів.

2. Як працює квантовий відбір акцій? 3 основні методи

Стратегії квантового відбору акцій різняться, але їх можна звести до 3 основних методів, які різні приватні фонди вибирають відповідно до своїх дослідницьких можливостей.

Багатофакторні моделі: класичний “формула відбору акцій”

Багатофакторна модель є “фундаментом” квантового відбору акцій, її основна ідея полягає в тому, що майбутній дохід акцій можна пояснити кількома “факторами” (тобто ключовими показниками, які впливають на дохід). “Фактор” є базовою одиницею квантового відбору акцій. Прогнозувальна здатність окремого фактора обмежена і може швидко втратити актуальність. Дослідники стратегій проводять численні історичні тестування, щоб вибрати комбінації факторів, які довгостроково є ефективними на ринку A-акцій.

Звичайні фактори включають: фактор вартості (PE, PB та інші показники оцінки), фактор зростання (темп зростання прибутку), фактор моментуму (тенденція обсягу та ціни) тощо.

Статистичний арбітраж: ловлення можливостей цінового розриву через “помилкове ціноутворення”

Логіка статистичного арбітражу ґрунтується на “регресії до середнього” — ціни певних пов’язаних активів (наприклад, акції однієї галузі, компанії у сусідніх галузях, ETF та складових) зазвичай стабільні в довгостроковій перспективі, але в короткостроковій перспективі можуть відхилятися від норми через емоційні коливання. Квантові моделі можуть вловлювати ці відхилення та використовувати їх для арбітражу.

Наприклад, A і B — лідери однієї галузі, історично співвідношення їх цін стабільно становило 1.5:1. Якщо в певний день через ринкову спекуляцію це співвідношення зростає до 1.8:1 (відхилення від історичного середнього), модель відкриє коротку позицію на A та довгу позицію на B, чекаючи, поки співвідношення повернеться до 1.5:1 для отримання прибутку. Ця стратегія вимагає суворих статистичних перевірок, щоб забезпечити, що “пов’язане відношення” дійсно існує, а не є випадковим.

Подійний драйвінг: виявлення миттєвих можливостей з “новин”

У публічних компаніях часто відбуваються події, які впливають на ціну акцій (наприклад, публікація фінансових звітів, злиття та поглинання, підвищення акціонерів, позитивні новини з боку політики). Стратегії подійного драйвінгу використовують квантові моделі для моніторингу цих подій у реальному часі та швидко оцінюють їх вплив на ціну акцій, генеруючи торгові сигнали. Ключовими аспектами таких стратегій є “чітке визначення подій + кількісна оцінка впливу”, щоб уникнути суб’єктивних інтерпретацій.

3. Переваги та потенційні виклики квантового відбору акцій

У порівнянні з суб’єктивним відбором, основні переваги квантового відбору акцій полягають у:

1. Дисципліна: уникнення впливу людських емоцій (наприклад, слідування за ринком, передчасний вихід з прибутку), строгий виконання сигналів моделі;

2. Ефективність: комп’ютер може обробляти тисячі акцій в багатовимірних даних за секунди, покриваючи широту, недоступну для людини;

3. Диверсифікація: портфель стратегій квантового відбору акцій зазвичай містить сотні акцій, що допомагає знизити ризик окремих активів.

Протягом останніх 5 років 2021 та 2025 роки стали структурними бичачими ринками, 2022-2023 роки — ведмежими ринками, а 2024 рік — роком великих коливань між ведмежим та бичачим ринками. З огляду на ці переваги, за останні 5 років (2021-2025), квантовий відбір акцій у приватних фондах продемонстрував менші відкатні показники, вищі доходи та вищий Шарп.

Згідно з даними приватних фондів, крім 2024 року, що є роком переходу, середнє значення доходу квантового відбору акцій трохи поступається суб’єктивному відбору акцій, в інших роках квантовий відбір акцій явно перевершує суб’єктивний. Якщо дивитися на середнє значення доходу, за останні 5 років квантовий відбір акцій завжди був попереду.

Що стосується контролю відкатів, незалежно від середнього або медіанного значення, загальний відкат квантового відбору акцій лише в 2024 році був більшим, ніж у суб’єктивного відбору акцій; в інші 4 роки він показував менші відкатні показники.

Коефіцієнт Шарпа, що вимірює “скільки заробляється за кожну одиницю ризику”, є класичним показником “вартість/якість” фондів, який враховує коливання доходу фондів і його кінцевий дохід. Оскільки за останні 5 років (за винятком 2024 року) загальний дохід квантового відбору акцій був вищим, а контроль за відкатами кращим, тому коефіцієнт Шарпа також вищий.

Звичайно, вище наведено лише загальне порівняння результатів, що не означає, що суб’єктивні стратегії відбору акцій не мають сенсу, існує чимало приватних фондів із успішними суб’єктивними стратегіями. Водночас стратегії квантового відбору акцій також стикаються з деякими викликами:****

1. Ризик втрати факторів: зміни на ринку (наприклад, регуляторна політика, зміни в правилах торгівлі) можуть призвести до втрати історично ефективних факторів. Наприклад, під час попереднього сплеску ринкових тенденцій кошти могли віддавати перевагу компаніям з капіталізацією нижче 50 мільярдів, але на певному етапі кошти можуть більше віддавати перевагу акціям з капіталізацією вище 200 мільярдів — це ризик втрати фактора капіталізації.

2. Одинаковість моделей: якщо кілька приватних фондів використовують схожі фактори (наприклад, всі акцентують увагу на “низькому PE + високому ROE”), це може призвести до скупчення стратегій, ускладнюючи здійснення торгових угод і зменшуючи надприбутки.

3. Ризик “чорної скриньки”: деякі складні моделі мають важкі для пояснення логіки прийняття рішень, реальна продуктивність може суттєво відрізнятися від тестування. Це схоже на те, що ви найняли “бога акцій”, щоб він торгував для вас, але він ніколи не пояснює, чому купує або продає. Оскільки ви не розумієте його логіку операцій, ви не знаєте, чи це його справжні здібності чи просто удача, і не знаєте, коли він раптом “зламається”.

Наприклад: одна квантова модель виявила, що акції з “цифрами в назві” мали ймовірність зростання 80% щомісяця за останні 5 років. Квантова модель цього місяця купила акції з “цифрами в назві”, але цей місяць зазнала великого збитку. Це є ризиком “чорної скриньки”, ви не знаєте, чи просто виявили випадкову закономірність “цифр у назві”.

4. Пастка надмірного підбору: моделі відбору акцій можуть демонструвати ідеальні результати на історичних даних, але в реальному часі можуть “не пристосовуватися”. Це відбувається через те, що квантова модель демонструє ідеальні результати під час тестування на історичних даних не тому, що вона вивчила “закономірності заробітку”, а тому, що вона трактувала минулі шуми (випадкові збіги) як закономірності. Як тільки ринкове середовище трохи змінюється, така модель відразу ж почне “не пристосовуватися” і почне зазнавати збитків.

4. Яка різниця між квантовим відбором акцій і покращенням індексу?

Квантовий відбір акцій як одна зі стратегій квантового довгого позиціонування, чим він відрізняється від стратегії покращення індексу, яка також використовує квантові моделі?

Квантовий відбір акцій і покращення індексу мають “одне джерело”, основні гени однакові: обидва використовують квантові моделі, машинне навчання та інші квантові методи для відбору акцій і формування портфелів. Основна різниця між ними полягає в “інвестуванні з якорем” чи без.

Стратегія покращення індексу має чіткий еталонний індекс (наприклад, CSI 300), як “танець у кайданах”, шукаючи покращення на основі щільного відстеження індексу та строгого контролю помилок відстеження. Натомість стратегія квантового відбору акцій зовсім не обмежена конкретними компонентами індексу та стилем, має вищу свободу, мета — максимізація абсолютного доходу.

Унікальна перевага квантового відбору акцій походить саме з цієї “відсутності обмежень”. Відкривши обмеження, вона може повніше використовувати переваги квантових моделей у покритті ширини, гнучко ловити можливості ротації різних стилів і галузей, прагнучи досягти більшої еластичності доходу, пропонуючи більш чистий інструмент для інвесторів, що прагнуть до вищого співвідношення ризику та доходу.

Отже, квантовий відбір акцій прагне до абсолютного перевершення “великої хвилі”, виграючи за рахунок гнучкості; покращення індексу прагне до “покращення” відносного перевершення. Інвестори, які чітко перевагують індекси, можуть вибрати покращення індексу, в той час як ті, хто прагне до вищого абсолютного доходу і може витримати більші коливання, можуть звернути увагу на квантовий відбір акцій.

5. Як звичайному інвестору вибрати стратегії квантового відбору акцій

Для звичайного інвестора не потрібно глибоко вникати в математичні деталі моделі, але можна спостерігати за перевагами та недоліками стратегій квантового відбору акцій через такі виміри:

1. Стабільність надприбутку: звертайте увагу на те, чи стратегія може перевершувати ринок в умовах бичачих і ведмежих циклів (наприклад, чи залишався трирічний середній надприбуток позитивним);

2. Здатність контролювати ризики: звертайте увагу на максимальний відкат стратегії, коефіцієнт Шарпа; (можна звернутися до: )

3. Потужність команди в дослідженнях: основна конкурентоспроможність квантового відбору акцій — це здатність виявляти фактори та ітерації моделей, можна звернути увагу на те, чи має команда фінансову інженерію, здатність до ітерації стратегій.

Підсумовуючи, квантовий відбір акцій не є “чарівною паличкою”, що забезпечує прибуток, це поєднання науки (дані, моделі, статистика) та мистецтва (вибір факторів, налаштування параметрів, реагування на зміни ринку).