효율적인 시장 가설은 거래 된 자산의 가격이 주어진 모든 시간에 알려진 모든 정보를 반영한다는 점에서 금융 시장이 "정보 적으로 효율적"임을 나타냅니다. 그러나 이것이 사실이라면 새로운 기본 정보가 없어도 왜 매일 가격이 변하는가? 그 대답은 개별 거래자들 사이에서 일반적으로 잊혀지는 한 가지 측면 인 유동성입니다.
하루 종일 많은 대규모 기관 거래는 정보와 관련이 없으며 유동성과 관련이 있습니다. 과다 노출 된 투자자는 공격적으로 포지션을 헤지하거나 청산하여 결국 가격에 영향을 미칩니다. 이러한 유동성 수요자는 종종 자신의 포지션에서 나가기 위해 가격을 기꺼이 지불하여 유동성 공급자에게 이익을 줄 수 있습니다. 정보를 얻는이 능력은 효율적인 시장 가설과 모순되는 것처럼 보이지만 통계적 차익 거래의 기초를 형성합니다.
통계 차익 거래는 통계 모델에서 생성 된 자산의 예상 가치를 기반으로 하나 이상의 자산의 통계적 오용으로 이익을 얻어 가격과 유동성의 관계를 활용하는 것을 목표로합니다.
통계 차익 거래 란 무엇입니까?
통계적 차익 거래는 1980 년대 Morgan Stanley의 지분 블록 트레이딩 데스크 운영에 의해 발생한 헤지 수요에서 비롯되었습니다. Morgan Stanley는 밀접하게 관련된 주식을 자신의 위치에 대한 헤지로 구매함으로써 대규모 블록 구매와 관련된 가격 불이익을 피할 수있었습니다. 예를 들어, 회사가 큰 주식 블록을 구입 한 경우 시장의 주요 침체에 대비하여 밀접하게 관련된 주식을 매도 할 수 있습니다. 이를 통해 시장 위험을 효과적으로 제거하고 회사가 구매 한 주식을 블록 거래에 배치하려고했습니다.
트레이더들은 머지 않아이 페어를 실행 블록과 헤지가 아니라 단순한 헤지보다는 이익 창출을 목표로하는 거래 전략의 양면으로 생각하기 시작했습니다. 이 쌍 거래는 결국 유동성, 변동성, 위험 또는 기타 요인으로 인한 안보 가격의 통계적 차이를 활용하기위한 다양한 다른 전략으로 발전했습니다. 이제 이러한 전략을 통계 차익 거래로 분류합니다.
통계 차익 거래의 유형
여러 가지 유형의 기회를 이용하기 위해 작성된 많은 유형의 통계 차익 거래가 있습니다. 보다 효율적인 시장에 의해 일부 유형이 단계적으로 폐지되었지만 다른 유형의 기회가 자리 잡았습니다.
위험 차익 거래
위험 차익 거래는 합병 상황에서 이익을 얻는 통계적 차익 거래의 한 형태입니다. 투자자는 목표로 주식을 구매하고 (주식 거래 인 경우) 인수자의 주식을 동시에 매도합니다. 결과는 매입 가격과 시장 가격의 차이로 실현되는 이익입니다.
기존의 통계 차익 거래와 달리 위험 차익 거래에는 몇 가지 위험이 따릅니다. 가장 큰 위험은 합병이 중단되고 대상의 주식이 합병 전 수준으로 떨어질 수 있다는 것입니다. 또 다른 위험은 투자 한 돈의 시간 가치를 다룹니다. 오랜 시간이 걸리는 합병은 투자자의 연간 수익으로 먹을 수 있습니다.
위험 차익 거래의 성공 비결은 합병의 가능성과 적시성을 결정하고이를 대상 주식과 매입 오퍼의 가격 차이와 비교하는 것입니다. 일부 위험 중재인도 인수 대상에 대해 추측하기 시작했으며, 이로 인해 위험도 똑같이 크게 증가 할 수 있습니다.
변동성 차익 거래
변동성 차익 거래는 옵션의 암시 적 변동성과 델타 중립 포트폴리오의 미래 실현 변동성 예측 간의 차이를 활용하는 데 중점을 둔 인기있는 통계 차익 거래 유형입니다. 본질적으로 변동성 중재인은 유가 증권의 가격에 방향성 베팅을하기보다는 근본적인 보안의 변동성을 추측합니다.
이 전략의 핵심은 미래의 변동성을 정확하게 예측하는 것입니다.
- 특허 분쟁 임상 실험 결과 불확실한 수입 M & A 투기
변동성 차익 거래 담당자가 미래의 실현 된 변동성을 추정 한 후에는 내재 된 변동성이 기본 증권의 예상 실현 된 변동성보다 현저히 낮거나 높은 옵션을 찾기 시작할 수 있습니다. 내재 변동성이 낮을 경우, 거래자는 옵션을 구매하고 기본 보안을 통해 델타 중립 포트폴리오를 만들 수 있습니다. 마찬가지로, 내재 변동성이 높을 경우, 거래자는 옵션을 판매하고 기본 안보로 헤지 중립 포트폴리오를 만들 수 있습니다.
거래자는 기초 유가 증권의 실현 변동성이 시장 예측 (또는 내재 변동성)보다 자신의 예측에 더 근접 할 때 거래에서 이익을 실현할 것입니다. 수익은 포트폴리오 델타를 중립으로 유지하는 데 필요한 지속적인 조정을 통해 거래에서 실현됩니다.
신경망
신경망은 인간의 눈에는 보이지 않는 복잡한 수학적 관계를 찾을 수있는 능력으로 인해 통계 차익 거래 분야에서 점점 더 대중화되고 있습니다. 이 네트워크는 생물학적 신경 네트워크를 기반으로하는 수학적 또는 계산 모델입니다. 그것들은 계산에 대한 연결주의 접근법을 사용하여 정보를 처리하는 상호 연결된 인공 뉴런 그룹으로 구성됩니다. 이는 학습 단계에서 네트워크를 통해 흐르는 외부 또는 내부 정보를 기반으로 구조를 변경한다는 의미입니다.
기본적으로 신경망은 데이터에서 패턴을 찾기 위해 입력과 출력 간의 복잡한 관계를 모델링하는 데 사용되는 비선형 통계 데이터 모델입니다. 분명히, 증권 가격 변동의 모든 패턴은 이익을 위해 이용 될 수 있습니다.
고주파 거래
고주파 거래 (HFT)는 컴퓨터가 트랜잭션을 신속하게 실행할 수있는 능력을 활용하는 것을 목표로하는 상당히 새로운 개발입니다. 무역 부문에서의 지출은 수년에 걸쳐 크게 증가했으며 결과적으로 초당 수천 건의 거래를 실행할 수있는 많은 프로그램이 있습니다. 경쟁으로 인해 대부분의 통계 차익 거래 기회가 제한되었으므로 거래를 신속하게 실행할 수있는 능력이 이익을 확장하는 유일한 방법입니다. 점점 더 복잡한 신경망과 통계 모델이 컴퓨터를 결합하여 숫자를 줄이고 거래를 더 빨리 실행할 수있는 것은 차익 거래자의 미래 수익을위한 핵심입니다.
통계 차익 거래가 시장에 미치는 영향
통계적 차익 거래는 시장에서 매일 많은 유동성을 제공하는 데 중요한 역할을합니다. 이를 통해 대형 블록 거래자는 시장 가격에 큰 영향을 미치지 않으면 서 거래를 할 수 있으며, 미국 예금 예금 (ADR)과 같은 문제의 변동성을 모기업과 더 밀접하게 연관시킴으로써 감소시킬 수 있습니다.
그러나 통계 차익 거래는 몇 가지 주요 문제를 일으켰습니다. 1998 년 LTCM (Long Term Capital Management)이 붕괴되면서 시장은 거의 폐허가되었습니다. 이러한 작은 가격 편차로 이익을 얻으려면 상당한 레버리지가 필요합니다. 또한 이러한 거래는 자동화되어 있기 때문에 기본 제공되는 보안 조치가 있습니다. LTCM의 경우, 이는 하향 움직임에 따라 청산됨을 의미했다. 문제는 LTCM의 청산 명령이 결국 정부 개입으로 끝날 끔찍한 고리에서 더 많은 판매 주문을 유발한다는 것입니다. 대부분의 주식 시장 붕괴는 유동성 및 레버리지 관련 문제로 발생합니다. 통계적 차익 거래자가 운영되는 바로 그 영역입니다.
결론
통계적 차익 거래는 1990 년대 이후로 인기가 약간 떨어졌음에도 불구하고 사상 가장 영향력있는 거래 전략 중 하나입니다. 오늘날 대부분의 통계 차익 거래는 신경망과 통계 모델의 조합을 사용하는 고주파 거래를 통해 수행됩니다. 이러한 전략은 유동성을 제공 할뿐만 아니라 과거에 LTCM과 같은 회사에서 본 대규모 충돌에 대해서도 큰 책임이 있습니다. 유동성과 레버리지 이슈가 결합되어있는 한, 이는 일반 투자자들에게도 인정할만한 가치가있는 전략을 계속 만들 것입니다.
