Hipoteza efektywnego rynku stwierdza, że rynki finansowe są „efektywne informacyjnie”, ponieważ ceny aktywów będących przedmiotem obrotu odzwierciedlają wszystkie znane informacje w danym momencie. Ale jeśli to prawda, to dlaczego ceny różnią się z dnia na dzień, pomimo braku nowych podstawowych informacji? Odpowiedź obejmuje jeden aspekt, który jest często zapominany przez poszczególnych inwestorów: płynność.
Wiele dużych transakcji instytucjonalnych w ciągu dnia nie ma nic wspólnego z informacjami, a wszystko z płynnością. Inwestorzy, którzy czują się prześwietleni, będą agresywnie zabezpieczać lub likwidować pozycje, co ostatecznie wpłynie na cenę. Ci żądający płynności są często skłonni zapłacić cenę za wyjście z pozycji, co może przynieść zysk dostawcom płynności. Ta zdolność do czerpania zysków z informacji wydaje się przeczyć skutecznej hipotezie rynkowej, ale stanowi podstawę arbitrażu statystycznego.
Arbitraż statystyczny ma na celu wykorzystanie relacji między ceną a płynnością poprzez czerpanie korzyści ze statystycznej nieprawidłowej wyceny jednego lub większej liczby aktywów w oparciu o oczekiwaną wartość aktywów wygenerowanych na podstawie modelu statystycznego.
Co to jest arbitraż statystyczny?
Arbitraż statystyczny powstał w latach 80. XX wieku na skutek popytu zabezpieczającego powstałego w wyniku operacji bloku handlowego Morgana Stanleya. Morgan Stanley był w stanie uniknąć kar cenowych związanych z zakupami dużych bloków, kupując udziały w ściśle ze sobą skorelowanych akcjach jako zabezpieczenie swojej pozycji. Na przykład, gdyby firma kupiła duży pakiet akcji, zewarłby ściśle skorelowane akcje, aby zabezpieczyć się przed poważnymi spadkami na rynku. To skutecznie wyeliminowało wszelkie ryzyko rynkowe, podczas gdy firma starała się umieścić zakupione akcje w transakcji pakietowej.
Handlowcy wkrótce zaczęli myśleć o tych parach nie jako o bloku do wykonania i o jego zabezpieczeniu, ale raczej o dwóch stronach strategii handlowej nastawionej na generowanie zysków, a nie po prostu na zabezpieczenie. Te transakcje parami ostatecznie ewoluowały w różne inne strategie mające na celu wykorzystanie różnic statystycznych w cenach papierów wartościowych z powodu płynności, zmienności, ryzyka lub innych czynników. Teraz klasyfikujemy te strategie jako arbitraż statystyczny.
Rodzaje arbitrażu statystycznego
Istnieje wiele rodzajów arbitrażu statystycznego stworzonych w celu skorzystania z kilku różnych rodzajów możliwości. Podczas gdy niektóre typy zostały wycofane przez bardziej wydajny rynek, istnieje kilka innych możliwości, które zajęły ich miejsce.
Arbitraż ryzyka
Arbitraż ryzyka jest formą arbitrażu statystycznego, który ma na celu czerpanie zysków z sytuacji fuzji. Inwestorzy kupują zapasy w celu i (jeśli jest to transakcja zapasu) jednocześnie zmniejszają zapasy jednostki przejmującej. Wynikiem jest zysk zrealizowany z różnicy między ceną wykupu a ceną rynkową.
W przeciwieństwie do tradycyjnego arbitrażu statystycznego, arbitraż ryzyka wiąże się z pewnym ryzykiem. Największe ryzyko polega na tym, że fuzja upadnie, a akcje celu spadną do poziomów sprzed fuzji. Kolejne ryzyko dotyczy wartości zainwestowanych pieniędzy w czasie. Fuzje, których przejście zajmuje dużo czasu, mogą wpłynąć na roczne zyski inwestorów.
Kluczem do sukcesu w arbitrażu ryzyka jest określenie prawdopodobieństwa i terminowości połączenia oraz porównanie tego z różnicą ceny między docelowymi akcjami a ofertą wykupu. Niektórzy arbitrzy ryzyka zaczęli również spekulować na temat celów przejęcia, co może prowadzić do znacznie większych zysków przy równie większym ryzyku.
Arbitraż zmienności
Arbitraż zmienności jest popularnym rodzajem arbitrażu statystycznego, który koncentruje się na wykorzystywaniu różnic między implikowaną zmiennością opcji a prognozą przyszłej zrealizowanej zmienności w portfelu neutralnym dla delty. Zasadniczo arbitrzy zmienności spekulują na temat zmienności bazowego papieru wartościowego, zamiast kierować się zakładem na cenę papieru wartościowego.
Kluczem do tej strategii jest dokładne prognozowanie przyszłej zmienności, która może zbłądzić z różnych powodów, w tym:
- Spory patentowe Wyniki badań klinicznych Niepewne zarobki Spekulacje w zakresie fuzji i przejęć
Po tym, jak arbitraż zmienności oszacuje przyszłą zrealizowaną zmienność, może on lub ona zacząć szukać opcji, w których implikowana zmienność jest albo znacznie niższa, albo wyższa niż prognozowana zmienność zrealizowana dla bazowego papieru wartościowego. Jeśli implikowana zmienność jest niższa, inwestor może kupić opcję i zabezpieczyć się instrumentem bazowym, aby stworzyć portfel neutralny dla delty. Podobnie, jeżeli implikowana zmienność jest wyższa, inwestor może sprzedać opcję i zabezpieczyć się instrumentem bazowym, aby stworzyć portfel neutralny dla delty.
Inwestor osiągnie wówczas zysk z transakcji, gdy zrealizowana zmienność bazowego papieru wartościowego zbliży się do jego prognozy niż do prognozy rynkowej (lub zmienności implikowanej). Zysk jest realizowany z handlu poprzez ciągłe udoskonalanie wymagane do utrzymania neutralności delty portfela.
Sieci neuronowe
Sieci neuronowe stają się coraz bardziej popularne na arenie arbitrażu statystycznego ze względu na ich zdolność do znajdowania skomplikowanych relacji matematycznych, które wydają się niewidoczne dla ludzkiego oka. Sieci te są modelami matematycznymi lub obliczeniowymi opartymi na biologicznych sieciach neuronowych. Składają się z grupy połączonych ze sobą sztucznych neuronów, które przetwarzają informacje przy użyciu podejścia łączącego z obliczeniami - oznacza to, że zmieniają swoją strukturę w oparciu o informacje zewnętrzne lub wewnętrzne przepływające przez sieć podczas fazy uczenia się.
Zasadniczo sieci neuronowe to nieliniowe modele danych statystycznych, które są używane do modelowania złożonych zależności między danymi wejściowymi i wyjściowymi w celu znalezienia wzorców w danych. Oczywiście, każdy wzorzec ruchów cen papierów wartościowych może być wykorzystany dla zysku.
Handel wysokimi częstotliwościami
Handel wysokoczęstotliwościowy (HFT) to dość nowy rozwój, którego celem jest wykorzystanie zdolności komputerów do szybkiego wykonywania transakcji. Wydatki w sektorze handlu znacznie wzrosły na przestrzeni lat, w wyniku czego istnieje wiele programów zdolnych do wykonywania tysięcy transakcji na sekundę. Teraz, gdy większość możliwości arbitrażu statystycznego jest ograniczona ze względu na konkurencję, możliwość szybkiego wykonywania transakcji jest jedynym sposobem na zwiększenie zysków. Coraz bardziej złożone sieci neuronowe i modele statystyczne w połączeniu z komputerami zdolnymi do przebijania liczb i szybszego wykonywania transakcji są kluczem do przyszłych zysków dla arbitrów.
Jak statystyczny arbitraż wpływa na rynki
Arbitraż statystyczny odgrywa istotną rolę w zapewnianiu dużej części codziennej płynności na rynkach. Umożliwia dużym traderom blokowym zawieranie transakcji bez znaczącego wpływu na ceny rynkowe, a także zmniejsza zmienność w takich kwestiach, jak amerykańskie kwity depozytowe (ADR), poprzez ściślejsze powiązanie ich z zapasami macierzystymi.
Jednak arbitraż statystyczny spowodował również pewne poważne problemy. Upadek długoterminowego zarządzania kapitałem (LTCM) w 1998 r. Niemal doprowadził rynek do ruiny. Aby skorzystać z tak niewielkich odchyleń cenowych, konieczne jest przyjęcie znaczącej dźwigni. Ponadto, ponieważ transakcje te są zautomatyzowane, istnieją wbudowane środki bezpieczeństwa. W przypadku LTCM oznaczało to, że zlikwiduje się po przejściu w dół; Problem polegał na tym, że zlecenia likwidacyjne LTCM wywołały tylko więcej zamówień sprzedaży w strasznej pętli, która ostatecznie zakończyła się interwencją rządową. Pamiętaj, że większość krachów giełdowych powstaje w wyniku problemów z płynnością i dźwignią - samą areną, na której działają arbitrzy statystyczni.
Dolna linia
Arbitraż statystyczny jest jedną z najbardziej wpływowych strategii handlowych, jakie kiedykolwiek opracowano, pomimo niewielkiej popularności od lat 90. Obecnie większość arbitrażu statystycznego odbywa się za pośrednictwem handlu o wysokiej częstotliwości z wykorzystaniem kombinacji sieci neuronowych i modeli statystycznych. Strategie te nie tylko zwiększają płynność, ale są również w dużej mierze odpowiedzialne za duże awarie, które widzieliśmy w firmach takich jak LTCM w przeszłości. Tak długo, jak połączone są problemy z płynnością i dźwignią, będzie to prawdopodobnie nadal czyniło strategię wartą uznania nawet dla wspólnego inwestora.
