Wie statistische Arbitrage zu großen Gewinnen führen kann

Das Effizienzmarkthypothese (EMH) stellt fest, dass Finanzmärkte insofern „informationseffizient“ sind, als die Preise der gehandelten Vermögenswerte alle zu einem bestimmten Zeitpunkt bekannten Informationen widerspiegeln. Aber wenn das stimmt, warum schwanken die Preise dann von Tag zu Tag, obwohl keine neuen fundamentalen Informationen vorliegen? Die Antwort beinhaltet einen Aspekt, der von einzelnen Händlern häufig vergessen wird: Liquidität.

Viele große institutionelle Trades im Tagesverlauf haben nichts mit Information und alles mit Liquidität zu tun. Anleger, die sich überexponiert fühlen, werden aggressiv Hecke oder Positionen zu liquidieren, was sich letztendlich auf den Preis auswirkt. Diese Liquiditätsnachfrager sind oft bereit, einen Preis zu zahlen, um ihre Positionen zu verlassen, was zu einem Gewinn für die Liquiditätsanbieter führen kann. Diese Fähigkeit, von Informationen zu profitieren, scheint der Effizienzmarkthypothese zu widersprechen, bildet aber die Grundlage für statistische Arbitrage.

Statistische Arbitrage zielt darauf ab, die fundamentale Beziehung zwischen Preis und Liquidität zu nutzen, indem sie von die wahrgenommene Fehlbewertung eines oder mehrerer Vermögenswerte basierend auf dem erwarteten Wert der Vermögenswerte, der aus einer statistischen Modell.

Was ist statistische Arbitrage?

Statistische Arbitrage oder "Stat Arb" entstand in den 1980er Jahren aus den Absicherungsanforderungen, die von Morgan Stanleys Aktienblock-Trading-Desk-Operationen geschaffen wurden. Morgan Stanley konnte Preisstrafen im Zusammenhang mit großen Blockkäufen vermeiden, indem er Aktien anstelle von eng korrelierten Aktien kaufte, um seine großen Positionen abzusichern.

Wenn der Trading Desk beispielsweise ein großes Aktienpaket von Coca-Cola kaufte, würde er eine Short-Position eingehen eng korrelierte Aktien wie PepsiCo zur Absicherung gegen größere Markteinbrüche während der kurzfristig. Dies eliminierte effektiv einen Teil des Marktrisikos, während das Unternehmen versuchte, die von ihm gekauften Aktien in einer Blocktransaktion zu platzieren.

Händler begannen bald, an diese zu denken "Paare" nicht als isolierter auszuführender Block und dessen Absicherung, sondern als zwei Seiten derselben Handelsstrategie, bei der Gewinne erzielt werden könnten und nicht nur als Absicherungsinstrument. Diese Pair Trades entwickelten sich schließlich zu mehreren ausgeklügelteren Strategien, die darauf abzielten, Vorteile zu nutzen statistische Unterschiede bei Wertpapierpreisen aufgrund von Liquidität, Volatilität, Risiko oder anderen fundamentalen oder technischen Faktoren. Wir klassifizieren diese Strategien nun zusammenfassend als statistische Arbitrage.

Arten statistischer Arbitrage

Es gibt viele Arten von statistischer Arbitrage, die geschaffen wurden, um verschiedene Arten von Gelegenheiten zu nutzen. Während einige Typen von einem immer effizienteren Markt abgeschafft wurden, haben sich mehrere andere Möglichkeiten ergeben, ihren Platz einzunehmen. Hier sind nur einige der wichtigsten Stat-Arb-Strategien.

Risikoarbitrage

Risikoarbitrage ist eine Form der statistischen Arbitrage, die darauf abzielt, von Zusammenschluss Situationen. Anleger kaufen Aktien des Ziels und (wenn es sich um eine Aktientransaktion handelt) gleichzeitig die Aktien des Erwerbers leer. Das Ergebnis ist ein Gewinn, der aus der Differenz zwischen dem Buyout-Preis und dem Marktpreis realisiert wird.

Im Gegensatz zur traditionellen statistischen Arbitrage beinhaltet die Risikoarbitrage das Eingehen einiger Risiken. Das größte Risiko besteht darin, dass die Fusion scheitert und die Aktien des Zielunternehmens auf das Niveau vor der Fusion sinken. Ein weiteres Risiko betrifft die Zeitwert des Geldes investiert. Fusionen, die lange dauern, können sich auf die jährlichen Renditen der Anleger auswirken.

Der Schlüssel zum Erfolg bei der Risikoarbitrage besteht darin, die Wahrscheinlichkeit und Rechtzeitigkeit der Fusion zu bestimmen und diese mit der Preisdifferenz zwischen der Zielaktie und dem Kaufangebot zu vergleichen. Ein gewisses Risiko Arbitrageure auch über Übernahmeziele spekuliert, was bei gleich höherem Risiko zu deutlich höheren Gewinnen führen kann.

Volatilitätsarbitrage

Volatilitätsarbitrage ist eine beliebte Art der statistischen Arbitrage, die sich darauf konzentriert, die Unterschiede zwischen den implizite Volatilität einer Option und eine Prognose der zukünftigen realisierten Volatilität in a delta-neutral Portfolio. Im Wesentlichen spekulieren Volatilitätsarbitrageure auf die Volatilität des zugrunde liegenden Wertpapiers, anstatt eine direktionale Wette auf den Kurs des Wertpapiers einzugehen.

Der Schlüssel zu dieser Strategie ist die genaue Vorhersage der zukünftigen Volatilität, die aus verschiedenen Gründen abweichen kann, darunter:

• Patentstreitigkeiten
• Ergebnisse klinischer Studien
• Unsicheres Einkommen
• M&A-Spekulationen

Sobald ein Volatilitätsarbitrageur die künftig realisierte Volatilität geschätzt hat, kann er nach Optionen suchen, bei denen die die implizite Volatilität ist entweder deutlich niedriger oder höher als die prognostizierte realisierte Volatilität des Basiswerts Sicherheit. Wenn die implizite Volatilität niedriger ist, kann der Händler die Option kaufen und sich mit dem zugrunde liegenden Wertpapier absichern, um ein Delta-neutrales Portfolio zu erstellen. Wenn die implizite Volatilität höher ist, kann der Händler die Option verkaufen und sich mit dem zugrunde liegenden Wertpapier absichern, um ein Delta-neutrales Portfolio zu erstellen.

Der Trader wird dann einen Gewinn aus dem Trade erzielen, wenn sich die realisierte Volatilität des zugrunde liegenden Wertpapiers seiner Prognose nähert als der Marktprognose (oder der impliziten Volatilität). Der Gewinn wird aus dem Handel durch die ständige Neuabsicherung realisiert, die erforderlich ist, um das Portfolio zu halten Deltaneutral.

Neuronale Netze

Neuronale Netze werden im Bereich der statistischen Arbitrage immer beliebter, da sie komplexe mathematische Zusammenhänge finden können, die für das menschliche Auge unsichtbar erscheinen. Diese Netze sind mathematische oder rechnergestützte Modelle, die auf biologischen neuronalen Netzen basieren. Sie bestehen aus einer Gruppe miteinander verbundener künstlicher Neuronen, die Informationen mithilfe eines konnektionistischen Rechenansatzes verarbeiten bedeutet, dass sie ihre Struktur basierend auf den externen oder internen Informationen ändern, die während des Lernens durch das Netzwerk fließen Phase.

Im Wesentlichen sind neuronale Netze nichtlineare statistische Datenmodelle, die verwendet werden, um komplexe Beziehungen zwischen Eingaben und Ausgaben zu modellieren, um Muster in Daten zu finden. Natürlich kann jedes Muster der Kursbewegungen von Wertpapieren gewinnbringend ausgenutzt werden.

Hochfrequenzhandel

Hochfrequenzhandel (HFT) ist eine relativ neue Entwicklung, die darauf abzielt, die Fähigkeit von Computern zur schnellen Ausführung von Transaktionen zu nutzen. Die Ausgaben im Handelssektor sind im Laufe der Jahre erheblich gestiegen, und daher gibt es viele Programme, die Tausende von Trades pro Sekunde ausführen können. Da die meisten statistischen Arbitragemöglichkeiten aufgrund des Wettbewerbs begrenzt sind, ist die Möglichkeit, Trades schnell auszuführen, die einzige Möglichkeit, Gewinne zu skalieren.

Immer komplexere neuronale Netze und statistische Modelle in Kombination mit Computern, die Zahlen berechnen und Trades schneller ausführen können, sind der Schlüssel zu zukünftigen Gewinnen für Arbitrageure.

Wie sich statistische Arbitrage auf die Märkte auswirkt

Statistische Arbitrage spielt eine wichtige Rolle bei der Bereitstellung eines Großteils der täglichen Liquidität auf den Märkten. Anfangs half es großen Blockhändlern, ihre Trades zu platzieren, ohne die Marktpreise wesentlich zu beeinflussen, und reduzierte gleichzeitig die Volatilität bei Themen wie Amerikanische Hinterlegungsscheine (ADRs), indem sie enger mit ihren Elternbeständen korreliert werden.

Tatsächlich treiben statistische Strategien mit zunehmender Verbreitung und Automatisierung den Markt zu mehr Effizienz. Wenn sich zwischen Vermögenswerten Arbitragemöglichkeiten ergeben, werden diese durch den Einsatz dieser Strategien schnell eliminiert. Infolgedessen kann stat arb zu einem liquideren und stabileren Markt führen.

Allerdings hat die fehlgeschlagene statistische Arbitrage auch einige große Probleme verursacht. Der Zusammenbruch von Langfristiges Kapitalmanagement (LTCM) im Jahr 1998 fast den Markt in Schutt und Asche gelegt. Um von solch geringen Preisabweichungen zu profitieren, ist es notwendig, erhebliche Hebelkraft.

Da diese Trades automatisiert sind, gibt es darüber hinaus integrierte Sicherheitsmaßnahmen. Im Fall von LTCM bedeutete dies, dass es bei einer Abwärtsbewegung liquidiert würde; Das Problem bestand darin, dass die Liquidationsaufträge von LTCM in einer schrecklichen Schleife nur weitere Verkaufsaufträge auslösten, die schließlich mit staatlichen Eingriffen beendet werden sollte.

Denken Sie daran, dass die meisten Börsencrashs auf Probleme mit Liquidität und Leverage zurückzuführen sind – genau der Arena, in der statistische Arbitrageure tätig sind. Stat-Arb-Algorithmen wurden auch teilweise für die "Blitz stürzt ab", die der Markt in den letzten zehn Jahren zu erleben begonnen hat. Ein Flash-Crash ist ein Ereignis auf den elektronischen Wertpapiermärkten, bei dem ein schneller Ausverkauf von Wertpapieren zu einer negativen Rückkopplungsschleife führt, die innerhalb von Minuten zu dramatischen Kursverlusten führen kann.

Die Quintessenz

Statistische Arbitrage ist eine der einflussreichsten Handelsstrategien, die jemals entwickelt wurden, obwohl sie seit den 1990er Jahren leicht an Popularität verloren hat. Heutzutage werden die meisten statistischen Arbitragen durch Hochfrequenzhandel unter Verwendung einer Kombination aus neuronalen Netzen und statistischen Modellen durchgeführt. Diese Strategien stellen nicht nur Liquidität bereit, sondern waren auch maßgeblich für einige der größten Crashs verantwortlich, die wir in der Vergangenheit bei Unternehmen wie LTCM erlebt haben. Solange Liquiditäts- und Leverage-Themen kombiniert werden, wird die Strategie wahrscheinlich auch für den gewöhnlichen Anleger weiterhin erkennbar sein.