den effektive markedshypotese (EMH) siger, at de finansielle markeder er “informativt effektive”, idet priserne på de handlede aktiver afspejler al kendt information til enhver tid. Men hvis dette er sandt, hvorfor varierer priserne fra dag til dag på trods af ingen nye grundlæggende oplysninger? Svaret involverer et aspekt, der ofte glemmes blandt de enkelte erhvervsdrivende: likviditet.
mange store institutionelle handler i løbet af dagen har intet at gøre med information og alt at gøre med likviditet. Investorer, der føler sig overeksponerede, vil aggressivt afdække eller afvikle positioner, hvilket ender med at påvirke prisen. Disse likviditetsbehov er ofte villige til at betale en pris for at forlade deres positioner, hvilket kan resultere i et overskud for likviditetsudbydere. Denne evne til at tjene på information synes at være i modstrid med den effektive markedshypotese, men danner grundlaget for statistisk arbitrage.
statistisk arbitrage sigter mod at udnytte det grundlæggende forhold mellem pris og likviditet ved at drage fordel af den opfattede misprisering af et eller flere aktiver baseret på den forventede værdi af de aktiver, der genereres ud fra en statistisk model.
nøgle grillbarer
- statistisk arbitrage er en investeringsstrategi, der søger at drage fordel af indsnævring af et hul i handelspriserne på to eller flere værdipapirer.Stat arb involverer flere forskellige strategier, men alle er afhængige af statistiske eller korrelationsmæssige regelmæssigheder mellem forskellige aktiver på et marked, der har tendens til effektivitet.
- selvom det har ordet “arbitrage” i sit navn, kan stat arb være meget risikabelt og føre til enorme og systemiske tab, såsom i den episke sammenbrud af hedgefonden Long Term Capital Management (LTCM).
Hvad er statistisk Arbitrage?
statistisk arbitrage, eller “stat arb” opstod i 1980 ‘ erne ud af afdækningskravene skabt af Morgan Stanleys aktieblokhandel. Morgan Stanley var i stand til at undgå prisstraffe forbundet med store blokkøb ved at købe aktier i stedet for tæt korrelerede aktier som en sikring mod sine store positioner.
Hvis trading desk for eksempel købte en stor blok af aktier i Coca-Cola, ville det kortlægge en tæt korreleret aktie som PepsiCo for at afdække eventuelle større nedture på markedet på kort sigt. Dette eliminerede effektivt noget af markedsrisikoen, mens firmaet forsøgte at placere den aktie, det havde købt, i en bloktransaktion.
Traders begyndte snart at tænke på disse “par” ikke som en isoleret blok, der skal udføres, og dens afdækning, men snarere som to sider af den samme handelsstrategi, hvor overskud kunne opnås snarere end blot som sikringsværktøj. Disse parhandler udviklede sig til sidst til flere mere sofistikerede strategier, der sigter mod at drage fordel af statistiske forskelle i sikkerhedspriser på grund af likviditet, volatilitet, risiko eller andre grundlæggende eller tekniske faktorer. Vi klassificerer nu disse strategier kollektivt som statistisk arbitrage.
typer af statistisk Arbitrage
der er mange typer statistisk arbitrage oprettet for at drage fordel af flere forskellige typer muligheder. Mens nogle typer er blevet udfaset af en stadig mere effektiv markedsplads, er der flere andre muligheder, der er opstået for at tage deres plads. Her er blot nogle få af de primære stat arb strategier.
Risikoarbitrage
Risikoarbitrage er en form for statistisk arbitrage, der søger at drage fordel af fusionssituationer. Investorer køber aktier i målet og (hvis det er en aktietransaktion) samtidig kortlægger erhververens lager. Resultatet er et overskud realiseret fra forskellen mellem buyout-prisen og markedsprisen.
i modsætning til traditionel statistisk arbitrage indebærer risikoarbitrage at tage nogle risici. Den største risiko er, at fusionen vil falde igennem, og målets aktie vil falde til niveauet før fusionen. En anden risiko omhandler tidsværdien af de investerede penge. Fusioner, der tager lang tid at gå igennem, kan spise i investorernes årlige afkast.
nøglen til succes i risikoarbitrage er at bestemme sandsynligheden og aktualiteten af fusionen og sammenligne den med forskellen i pris mellem målbeholdningen og buyout-tilbudet. Nogle risikoarbitrageurs er også begyndt at spekulere i overtagelsesmål, hvilket kan føre til væsentligt større overskud med lige så større risiko.
Volatilitetsarbitrage
Volatilitetsarbitrage er en populær type statistisk arbitrage, der fokuserer på at drage fordel af forskellene mellem den implicitte volatilitet i en option og en prognose for den fremtidige realiserede volatilitet i en delta-neutral portefølje. I det væsentlige spekulerer volatilitetsarbitrageurs om volatiliteten af den underliggende sikkerhed i stedet for at gøre en retningsbestemt indsats på sikkerhedsprisen.
nøglen til denne strategi er nøjagtigt at forudsige fremtidig volatilitet, som kan afvige af forskellige årsager, herunder:
- patenttvister
- kliniske forsøgsresultater
- usikker indtjening
- M&en spekulation
Når en volatilitetsarbitrageur har estimeret den fremtidige realiserede volatilitet, kan han eller hun begynde at lede efter muligheder, hvor den underforståede volatilitet enten er betydeligt lavere eller højere end den forventede realiserede volatilitet for den underliggende sikkerhed. Hvis den underforståede volatilitet er lavere, kan den erhvervsdrivende købe optionen og afdække med den underliggende sikkerhed for at oprette en delta-neutral portefølje. Tilsvarende, hvis den underforståede volatilitet er højere, kan den erhvervsdrivende sælge optionen og afdække med den underliggende sikkerhed for at skabe en delta-neutral portefølje.
den erhvervsdrivende vil derefter realisere et overskud på handelen, når den underliggende værdipapirs realiserede volatilitet bevæger sig tættere på hans eller hendes prognose, end den er til markedets prognose (eller underforstået volatilitet). Overskuddet realiseres fra handelen gennem den løbende re-afdækning, der kræves for at holde porteføljen delta neutral.
neurale netværk
neurale netværk bliver stadig mere populære i den statistiske arbitrage arena på grund af deres evne til at finde komplekse matematiske relationer, der synes usynlige for det menneskelige øje. Disse netværk er matematiske eller beregningsmodeller baseret på biologiske neurale netværk. De består af en gruppe sammenkoblede kunstige neuroner, der behandler information ved hjælp af en forbindelsesmetode til beregning—det betyder, at de ændrer deres struktur baseret på den eksterne eller interne information, der strømmer gennem netværket i læringsfasen.i det væsentlige er neurale netværk ikke-lineære statistiske datamodeller, der bruges til at modellere komplekse forhold mellem input og output for at finde mønstre i data. Det er klart, at ethvert mønster i værdipapirprisbevægelser kan udnyttes til fortjeneste.
højfrekvent handel
højfrekvent handel (HFT) er en relativt ny udvikling, der sigter mod at udnytte computerens evne til hurtigt at udføre transaktioner. Udgifterne i handelssektoren er vokset markant gennem årene, og som et resultat er der mange programmer, der er i stand til at udføre tusinder af handler pr. Nu hvor de fleste statistiske arbitragemuligheder er begrænsede på grund af konkurrence, er evnen til hurtigt at udføre handler den eneste måde at skalere overskud på.
stadig mere komplekse neurale netværk og statistiske modeller kombineret med computere, der er i stand til at knuse tal og udføre handler hurtigere, er nøglen til fremtidig fortjeneste for arbitrageurs.
hvordan statistisk Arbitrage påvirker markederne
statistisk arbitrage er kommet til at spille en afgørende rolle i at levere meget af den daglige likviditet på markederne. Oprindeligt hjalp det med at gøre det muligt for store blokhandlere at placere deres handler uden at påvirke markedspriserne væsentligt, samtidig med at de reducerede volatiliteten i spørgsmål som amerikanske depotbeviser (ADR ‘ er) ved at korrelere dem tættere med deres moderaktier.
faktisk har stat arb-strategier, som de bliver mere udbredte og automatiserede, tendens til at skubbe markedet mod større effektivitet. Da arbitragemuligheder mellem aktiver opstår, elimineres de hurtigt ved hjælp af disse strategier. Som et resultat kan stat arb føre til et mere likvidt og mere stabilt marked.
men statistisk arbitrage gået galt har også forårsaget nogle store problemer. Sammenbruddet af Long Term Capital Management (LTCM) tilbage i 1998 forlod næsten markedet i ruiner. For at drage fordel af sådanne små prisafvigelser er det nødvendigt at påtage sig betydelig gearing.
desuden er der indbyggede sikkerhedsforanstaltninger, fordi disse handler er automatiserede. I LTCMS tilfælde betød dette, at det ville afvikle ved en bevægelse nedad; problemet var, at ltcms likvidationsordrer kun udløste flere salgsordrer i en forfærdelig løkke, der til sidst ville blive afsluttet med regeringsindgreb.
Husk, at de fleste aktiemarkedsnedbrud skyldes problemer med likviditet og gearing—selve arenaen, hvor statistiske arbitrageurs opererer. Stat arb-algoritmer er også delvist blevet beskyldt for de “flash-nedbrud”, som markedet er begyndt at opleve i løbet af det sidste årti. Et flash-nedbrud er en begivenhed på elektroniske værdipapirmarkeder, hvor en hurtig salg af værdipapirer fører til en negativ feedback-loop, der kan forårsage dramatiske prisfald i løbet af få minutter.
bundlinjen
statistisk arbitrage er en af de mest indflydelsesrige handelsstrategier, der nogensinde er udtænkt, på trods af at de er faldet lidt i popularitet siden 1990 ‘ erne. i dag udføres mest statistisk arbitrage gennem højfrekvent handel ved hjælp af en kombination af neurale netværk og statistiske modeller. Ikke alene giver disse strategier likviditet, men de har også været stort set ansvarlige for nogle af de største nedbrud, vi har set i virksomheder som LTCM tidligere. Så længe likviditets-og gearingsproblemer kombineres, vil dette sandsynligvis fortsætte med at gøre strategien til en værd at anerkende, selv for den fælles investor.