مردی که معمای بازار را حل کرد (بخش دوم)

چگونه صندوق مدالیون(Medallion Fund) برای 30 سال متوالی به صورت میانگین سالی 66 درصد بازدهی داد و 100 میلیارد دلار ارزش آفرید.
بخش دو از دو

در مورد کتاب The Man Who Solved The Market نوشته Gregory Zuckerman.

این بخش دوم و آخر درباره جیم سیمونز و مدالیون است لینک بخش اول قرار می دهم.

زاکرمن نویسنده کتاب می‌گوید که رنسانس و مدالیون دیتا‌های بهتر، دیتا‌های قدیمی‌تر و دیتا‌های تمیزتری نسبت به رقیبان خود داشتند و بهتر از رقبای خود می‌توانستند از این داده‌ها استفاده کنند.

دیتا

فاکتورهایی که بر بازار سرمایه اثرگذار هستند بسیار بیشتر از حد تصور ما است. روش‌های آماری می‌توانند اثرات علّی (Causal Effect) را در ابعاد بالای دیتا شناسایی کنند و ناکاریی(Inefficiencies)های ناشناخته در بازار را پیدا کنند. از روزهای اول تاسیس صندوق مدالیون و شرکت رنسانس شروع به جمع‌آوری وسیع
آرشیوهای دیتا در زمینه‌های مختلف کردند. این داده‌ها از فاکتورهای اصلی اقتصادی تا اطلاعات آب‌وهوا را شامل می‌شدند.
کمیت و کیفیت این داده‌ها کلید اصلی الگوریتم‌های جیم سیمونز و همکارانش برای پیدا کردن ناکاریی‌های شناخته نشده‌ی بازار بود.

یادگیری ماشین Machine Learning

باب مرسر کارمند سابق IBM و از همکاران اصلی سیمونز می‌گوید:
"ما فقط در 50.75% مواقع درست پیش‌بینی می‌کردیم ... اما 100% درست پیش‌بینی می‌کردیم. با این دانش شما می‌توانید میلیاردها دلار سود کسب کنید."

در شروع فعالیت، تمرکز اصلی مدالیون بجای سهام بر اوراق قرضه، کالاهای اساسی و ارز بود. در سال‌های اولیه، سرمایه‌گذاری در سهام برای سیمونز و همکارانش مشکل بود و نتایج ناامید کننده‌ی در این زمینه داشتند. زمانی که باب مرسر و پیتر براون از IBM جداشده و به رنسانس پیوستند شرایط تغییر کرد. این دو سیستم معاملاتی را گسترش دادند که موفق عمل کرد. این سیستم در نهایت به یک ورژن بسیار عالی از آربیتراژ آماری(Statistical Arbitrage) تبدیل شد. بهتر است قدری در مورد آربیتراژ آماری صحبت کنیم.

در حالت غیر علمی آربیتراژ به معنای وجود دو قیمت متفاوت برای یک کالا در دو بازار متفاوت است. وجود آربیتراژ در بازار سرمایه یکی از مصادیق ناکارایی بازار است. در صورت وجود آربیتراژ به راحتی میتوان بدون ریسک سود زیادی کسب کرد. در صورت وجود حتی یک سنت اختلاف قیمت در بازه‌ی زمانی کوتاه نیز می‌توان سود زیادی کسب کرد.
راس(Ross) در مقاله خود با عنوان (Arbitrage Pricing Theory) تعریف دقیق‌تر و کامل‌تری را برای آربیتراژ ارائه می‌کند. طبق تعریف راس برای وجود آربیتراژ صرف(Pure Arbitrage) باید دو شرط برقرار باشد. یک اینکه بدون درگیر شدن ثروت سرمایه‌گذار باشد(Zero Wealth) و دو اینکه بدون ریسک باشد(Zero Risk). مصادیق آربیتراژ صرف بسیار نادر است و در تاریخچه‌ی مدرن مالی خیلی کم رخ داده است.
مفهوم آربیتراژ آماری در سال‌های 1980 توسط بانک مورگان استنلی توسعه پیدا کرد.

آربیتراژ آماری (Statistical Arbitrage)

آربیتراژ آماری به مجموعه‌ای از روش‌ها گفته می‌شود که سعی دارند الگوی‌های قیمتی و ناهمگونی قیمتی نسبی را در بین قیمت هزاران دارایی مالی را شناسایی کنند.
یک مثال از آربیتراژ آماری Pair Trading است. مفهومی بسیار ساده اما بسیار قدرتمند در بازارهای مالی. فرض کنید دو دارایی دارید که در طول زمان همیشه قیمت آنها با یکدیگر حرکت می‌کرده است یعنی قیمت نسبی این دو دارایی بسیار نزدیک به یکدیگر بوده است. یک روش ساده برای تشخص دو دارایی که خاصیت Cointegration دارند این است که اختلاف قیمت این دو دارایی خاصیت بازگشت به میانگین(Mean Reversion) داشته باشد. در پست دیگری در مورد این مفهوم مهم صحبت خواهیم کرد.

حال چگونه از این مفهوم برای معامله استفاده می‌کنیم. زمانی که قیمت این دو دارایی از یکدیگر فاصله میگیرند، دارایی که قیمت آن کمتر رشد کرده را میخریم و دارایی که قیمت آن بیشتر رشد کرده را می‌فروشیم.(تصویر زیر)

مفهوم Pair Trading یکی از ساده‌ترین روش‌های آربیتراژ آماری بود که جیم سیمونز و همکارانش استفاده می‌کردند.

زاکرمن در کتاب می‌گوید این روش‌ها به سیمونز و همکارنش اجازه داد که در 50.75% درست پیش‌بینی کنند.

پیاده‌سازی

پیدا کردن آربیتراژ آماری یک طرف و استفاده از این روش‌ها طرف دیگر ماجرا است. زمانی که تنها شما 50.75% موارد را درست پیش‌بینی می‌کنید، هزینه‌ی پیاده‌سازی معاملات بسیار بسیار مهم خواهد شد. منظور از هزینه اینجا اثری است که خرید یا فروش یک دارایی بر قیمت آن دارد برای مثال شما نمی‌توانید 1 میلیارد دلار از سهام مایکروسافت را خریداری کنید بدون اینکه باعث افزایش قیمت سهم شوید.
برای سیمونز و دوستانش خاصیت نقدشوندگی سهام بسیار مهم شد زیرا زمانی که حاشیه اطمینان شما در مورد پیش‌بینی اینقدر کم است بسیار مهم است که بتوانید دارایی را در زمان درست و به قیمت درست و بدون اثرگذاری بر بازار نقد کنید.
پیش‌بینی‌های درست و روش درست پیاده‌سازی به سیمونز و همکارانش این قدرت را داد که سودهای خارق‌العاده کسب کنند.به صورت میانگین همواره صندوق 4000 موقیعت خرید و 4000 هزار موقیعت فروش داشته است که برای یک صندوق عدد بالایی است.یکی دیگر از توانایی‌های سیمنوز و همکارانش استفاده درست از اهرم در معاملات است. بهتر است قدری در مورد اهرم صحبت کنیم.

اهرم، چرا و چگونه

استفاده از اهرم(Leverage) در معاملات بدین معنا است که با مقدار پول بیشتری از دارایی خود معامله کنیم. کارگزاری‌های ایران نیز دارای این قابلیت هستند به آن خرید اعتباری گفته می‌شود.

کیس شرکت Long-Term Capital Management یک مورد معروف در تاریخچه‌ی مالی است که نشان می‌دهد استفاده‌ی اشتباه از اهرم چه نتایج جبران‌ناپذیری به همراه دارد. در مورد این شرکت در پست دیگری مفصل صحبت خواهیم کرد. شرکتی که از برندگان نوبل اقتصاد کمک گرفت. اما در نهایت به طرز فاجعه‌باری شکست خورد. یکی از دلایل اصلی سقوط LTCM استفاده نادرست از اهرم و درک اشتباه از ریسک بود. همانجایی که نقطه‌ی قوت سیمونز و همکارانش بود.

در تصویر بالا نیز واضح است که استفاده درست از اهرم چه تاثیر عجیبی بر بازدهی دارد. طبق تخمین زاکرمن صندوق مدالیون به صورت میانگین اهرم 12.5 داشته است. یعنی به صورت میانگین با 12.5 برابر کل دارایی در دسترس خود معامله می‌کرده است.

اگر بخواهیم قدرتی جادویی برای مدالیون تعریف کنیم همین استفاده‌ی خارق‌العاده از خرید و فروش اهرمی در زمان درست و ریسک کنترل‌شده است. کاری که گردانندگان LTCM در آن شکست خوردند.

در نهایت به علت قراردادهای سفت و سختی که رنسانس و مدالیون با کارمند خود عقد می‌کند، هنوز بسیاری از جزئیات عملکرد سیمونز و همکارانش ناشناخته است. این شرکت یکی از کمترین جابه‌جای کارمندان را در بین شرکت‌های رقیب خود دارد.
درنهایت توجه به این نکته ضروری است که صندوق مدالیون برای همه‌ی افراد قابل دسترسی نیست و در سا‌ل‌های اخیر فقط مختص کارمندان رنسانس بوده است.

این مطلب پایانی از مطلب"مردی که معمای بازار را حل کرد" بود. امیدوارم به دردبخور بوده باشه.

احمد اسدی
اقتصاد خوندم
به حوزه‌ی مالی علاقه‌مندم