華爾街日報報導,投資圈過去決定投資標的,是靠鑽研財報和分析公司客戶為主,但現在已不再流行,最新趨勢是利用演算法、借重使用複雜統計模型的金融工程師,來找出最有可能獲利的交易。

投資公司努力爭取數學家和科學家,使金融工程師愈來愈受器重,影響力和薪資也水漲船高。金融產業因此創造了許多前所未聞的職位,吸收數理人才。

相關圖片

前國際數學奧林匹克競賽冠軍得主波亞爾科夫過去在微軟等科技公司任職,但去年許多避險基金巨擘爭相邀約,據知情人士說,他後來加入美國加州的公司TGS,第一年年薪高達70萬美元(折合台幣2115萬元)。

為瑞士投資管機構GAM控股公司負責量化投資部門的婁勒說:「十年前,最厲害的畢業生都想到華爾街投資銀行當交易員,但現在,他們搶著加入量化基金。」

演算法交易早已問世,但以前市場占比很小。一直有人預言,靠演算法而不靠直覺、由數據驅動的交易員會成為華爾街之王,這樣的時代已經降臨。

紐約研究顧問業者Tabb集團說,靠量化分析進行操作的避險基金占美股全部交易的27%,遠高於2013年的14%,幾乎追上散戶的29%

HFR公司估計,今年首季結束時,量化基金旗下的資金規模高達9320億美元,占避險基金管理資產總額的逾30%。相較下,2009年時,量化基金的規模為4080億美元,占避險基金總資產的25%

電腦挑選投資標的,目前看來,表現優於人類。過去五年間,量化基金的平均年獲利率是5.1%,高於同期間避險基金的4.3%

量化分析有兩大助力:一是法規趨嚴,投資人很難再從企業高管或包括員工在內的上市公司專家網絡等途徑,取得具優勢的資訊。更重要的是,投資人能取得的全球經濟和金融消息浩翰如海,難以精確分析。

所以,最新的兵家必爭之地是利用電腦和其他尖端科技研究數據,協助即時了解企業和經濟。

金融工程師和高頻交易員不同,後者聚焦在可能僅持續數毫秒的極短期交易,量化分析驅動的交易持續期間則從幾分鐘到數個月不等。

部分分析師擔心,蜂湧進入量化基金的公司和投資人可能期望過高,導致失望也大。基金公司雇用數理方面博士並不能保證獲利。愈來愈多投資人追捧複雜的演算法模型,恐將高估電腦的可信度;金融工程師有可能因為演算法策略相近,同時拋售持股,導致賣壓更形沉重。

    全站熱搜

    Win Driver Blog 發表在 痞客邦 留言(0) 人氣()