سرمایه گذاری کمی توضیح داده شده: 6 استراتژی کمی مشترک

تخمین زده می شود که تقریباً 90 ٪ از معاملات در بازارهای عمومی ایالات متحده از استراتژی های تجارت کمی الگوریتمی استفاده می کند ، تعدادی که احتمالاً رشد می کنند زیرا سرمایه گذاران از فناوری و تکنیک های مدل سازی برای بهره برداری از کوچکترین ناکارآمدی بازار استفاده می کنند. اما یک استراتژی معاملاتی کمی چیست؟

ما اصول سرمایه گذاری کمی را در سرمایه گذاری کمی پوشش دادیم؟در این مقاله پیگیری ، ما می خواهیم برخی از استراتژی های مستقر در آن را کشف کنیم. مشخصات اسرار اختصاصی است ، اما بیشتر استراتژی ها در دسته های وسیع قرار می گیرند ، با اجرای فردی در عواملی که روی آنها تمرکز می کنند و روابط آنها متفاوت است.

استراتژی ارزش کمی

استراتژی های ارزش کمی بر ارزش سهام تمرکز می کنند و به دنبال مشاغل کم ارزش هستند که انتظار می رود با گذشت زمان ارزش خود را افزایش دهند. به طور کلی ، استراتژی های ارزش با انتخاب "جهان از سهام" و از بین بردن ریسک بالا کار می کنند. سهام برای ارزان بودن با استفاده از چند برابر ارزیابی طبقه بندی می شود و احتمال افزایش ارزش آنها از طریق تجزیه و تحلیل سودآوری و قدرت مالی از جمله سایر عوامل تعیین می شود. موفقیت یک استراتژی ارزش بستگی به شناسایی صحیح سهام کم ارزش دارد که با گذشت زمان در ارزش افزایش می یابد.

استراتژی های بتا هوشمند

بتا اندازه گیری حساسیت یک امنیت نسبت به حرکت بازار است. این اندازه گیری می کند که چگونه یک دارایی نسبت به بازار به عنوان یک کل عملکرد دارد ، همانطور که توسط یک شاخص وزن شده توسط سرمایه بازار ، مانند S& P 500 نشان داده شده است. به عنوان مثال ، سهام که 30 ٪ بی ثبات تر از بازار است ، بتا 1. 3 دارد. با تمرکز بر روی بتا ، سرمایه گذاران می توانند پرتفوی مدیریت شده منفعلانه را ایجاد کنند که ترجیحات ریسک آنها را برآورده می کند.

استراتژی های بتا هوشمند با هدف بهتر از بازارها با شاخص های سفارشی با توجه به عواملی مانند نوسانات ، حرکت ، اندازه یا ارزش ، وزن دارند. مانند صندوق های بتا ، صندوق های هوشمند بتا از نزدیک با بازار ارتباط نزدیکی دارند ، اما آنها شامل یک عنصر انتخاب فعال طبق قوانین استراتژی هستند.

استراتژی های سرمایه گذاری فاکتور

یک عامل یک ویژگی قابل اندازه گیری از یک دارایی مرتبط با بازده بالاتر است. عوامل به طور معمول به عوامل کلان اقتصادی و خرد اقتصادی تقسیم می شوند. عوامل کلان اقتصادی شامل تورم ، نقدینگی و رشد اقتصادی است. عوامل خرد اقتصادی شامل نوسانات قیمت سهام ، سطح اعتبار ، نقدینگی سهم و کیفیت است. با هدف ایجاد یک نمونه کارها متنوع متنوع در بازار با سرمایه گذاری در اوراق بهادار با عواملی که دلالت بر بازده عالی دارد ، ایجاد شده است.

سرمایه گذاری فاکتور مجموعه گسترده ای از استراتژی ها است که شامل برخی از استراتژی های دیگر که در اینجا در مورد آنها بحث می کنیم ، مانند استراتژی های بتا هوشمند است.

داوری آماری

داوری آماری یک رویکرد سرمایه گذاری کمی است که هدف آن ایجاد اوراق بهادار بسیار متنوع با اوراق بهادار است که ممکن است به اندازه کسری از ثانیه برگزار شود. استراتژی اساسی مبتنی بر میانگین تجزیه و تحلیل معکوس است. تحلیلگران ناکارآمدی قیمت گذاری را به صورت جفت یا گروه های همبسته اوراق بهادار شناسایی می کنند. آنها موقعیت های طولانی را در اوراق بهادار کم ارزش باز می کنند و موقعیت های کوتاه را در اوراق بهادار با ارزش مطابقت می دهند تا انتظار داشته باشند که قیمت ها به میانگین برگردند. روش مورد استفاده برای ارتباط با اوراق بهادار می تواند پیچیده باشد و داوری آماری باعث استفاده شدید از تکنیک های تجارت با فرکانس بالا ، تجزیه و تحلیل کمی و مدل سازی رایانه می شود.

داوری محور رویداد

داوری محور رویداد به دنبال استفاده از داده های تاریخی و در زمان واقعی برای شناسایی اوراق بهادار با قیمت نادرست است که احتمالاً در یک تجارت خاص یا بازار به وقایع پاسخ می دهند. در ساده ترین ، داوری رویداد محور ممکن است یک سرمایه گذار را برای خرید سهام با این انتظار که ارزش آن قبل یا بعد از تماس با درآمد افزایش یابد ، سوق دهد. اما این رویدادها می توانند بسیار پیچیده تر باشند ، از جمله تغییرات نظارتی ، بازسازی مدیریت ، فعالیت سهامداران و غیره.

AI/استراتژی های یادگیری ماشین

استراتژی های سرمایه گذاری کمی معمولاً به مدلهای ریاضی و الگوریتم های توسعه یافته توسط تحلیلگران و برنامه نویسان متکی هستند. آنها قوانین را رمزگذاری می کنند و اجازه می دهند که الگوریتم بر روی داده های دنیای واقعی شل شود.

استراتژی های هوش مصنوعی یک قدم جلوتر از مدل های رایانه ای استفاده می کنند ، با استفاده از فن آوری های یادگیری ماشین برای تجزیه و تحلیل مقادیر گسترده داده ها و شناسایی الگوهای موجود در الگوریتم های معاملاتی. یادگیری ماشین به تحلیلگران اجازه می دهد تا ضمن توسعه مدل ها بر اساس الگوهای بسیار ظریف تر و پیچیده تر از آنچه در غیر این صورت ممکن است ، تجزیه و تحلیل را به صورت خودکار و تسریع کنند. ما در مورد یادگیری ماشین در عمق بیشتر بحث کردیم که چگونه یادگیری ماشین در تجارت استفاده می شود؟

Spiderrock طیف گسترده ای از داده ها و خدمات محاسباتی را برای تسهیل معاملات کمی ارائه می دهد. این موارد شامل خام و عادی ، در زمان واقعی ، کم تأخیر ، سهام چند مرحله ای ، گزینه و فیدهای آینده ، مجموعه داده های جامع تاریخی برای پشتی ، راه حل های مدیریت ریسک و رفع دروازه های کم تأخیر ، ورود به سفارشات بالا ، مدیریت و مدیریت با توان بالا است. اجرا.

به لیست ایمیل ما بپیوندید

ما با جدیدترین اخبار فناوری همراه هستیم تا بتوانید رقابتی بمانید.< SPAN> استراتژی های هوش مصنوعی یک قدم جلوتر از مدل های رایانه ای استفاده می کنند ، استفاده از فن آوری های یادگیری ماشین را برای تجزیه و تحلیل مقادیر گسترده داده ها و شناسایی الگوهایی که می توانند در الگوریتم های معاملاتی رمزگذاری شوند. یادگیری ماشین به تحلیلگران اجازه می دهد تا ضمن توسعه مدل ها بر اساس الگوهای بسیار ظریف تر و پیچیده تر از آنچه در غیر این صورت ممکن است ، تجزیه و تحلیل را به صورت خودکار و تسریع کنند. ما در مورد یادگیری ماشین در عمق بیشتر بحث کردیم که چگونه یادگیری ماشین در تجارت استفاده می شود؟