Deutsche Bank đưa ra một số lỗi phổ biến trong chiến lược định lượng.

Deutsche Bank đưa ra một số lỗi phổ biến trong chiến lược định lượng.

• Một, sự thiên vị của người sống sót

  Sự chênh lệch của người sống sót là một trong những vấn đề phổ biến nhất mà các nhà đầu tư phải đối mặt, và nhiều người biết về sự tồn tại của sự chênh lệch của người sống sót, nhưng ít người quan tâm đến tác động của nó. Khi đánh giá lại, chúng tôi có xu hướng chỉ sử dụng các công ty hiện có, điều đó có nghĩa là chúng tôi loại bỏ tác động của các công ty bị phá sản, tái tổ chức và ra khỏi thị trường.

  Khi điều chỉnh dữ liệu lịch sử, một số cổ phiếu phá sản, bị hủy thị trường hoặc hoạt động kém sẽ thường xuyên bị loại bỏ. Những cổ phiếu bị loại bỏ này không xuất hiện trong bể cổ phiếu của chiến lược của bạn, nghĩa là chỉ sử dụng thông tin về cổ phiếu thành phần hiện tại khi xem xét lại quá khứ, loại bỏ tác động của những cổ phiếu trong cổ phiếu thành phần bị loại bỏ trong tương lai vì hiệu suất hoặc giá cổ phiếu kém. Bức tranh dưới đây cho thấy trọng lượng cổ phiếu thành phần của chỉ số MSCI Europe như một danh mục đầu tư trong quá khứ.

  Hình 1

  Sự chênh lệch của người sống sót là một trong những vấn đề phổ biến nhất mà các nhà đầu tư phải đối mặt, và nhiều người biết về sự tồn tại của sự chênh lệch của người sống sót, nhưng ít người quan tâm đến tác động của nó. Khi đánh giá lại, chúng tôi có xu hướng chỉ sử dụng các công ty hiện có, điều đó có nghĩa là chúng tôi loại bỏ tác động của các công ty bị phá sản, tái tổ chức và ra khỏi thị trường.

  Khi điều chỉnh dữ liệu lịch sử, một số cổ phiếu phá sản, bị hủy thị trường hoặc hoạt động kém sẽ thường xuyên bị loại bỏ. Những cổ phiếu bị loại bỏ này không xuất hiện trong bể cổ phiếu của chiến lược của bạn, nghĩa là chỉ sử dụng thông tin về cổ phiếu thành phần hiện tại khi xem xét lại quá khứ, loại bỏ tác động của những cổ phiếu trong cổ phiếu thành phần bị loại bỏ trong tương lai vì hiệu suất hoặc giá cổ phiếu kém. Bức tranh dưới đây cho thấy trọng lượng cổ phiếu thành phần của chỉ số MSCI Europe như một danh mục đầu tư trong quá khứ.

  Hình 2

  Điều đó có nghĩa là khi chúng ta sử dụng các công ty hoạt động tốt nhất trong 30 năm qua để xem lại, ngay cả khi một số công ty có rủi ro tín dụng cao vào thời điểm đó, khi bạn biết ai sẽ sống sót, bạn sẽ mua khi rủi ro tín dụng cao hoặc gặp khó khăn và lợi nhuận rất cao. Nếu bạn xem xét các cổ phiếu phá sản, bị phá sản, hoạt động kém, kết luận hoàn toàn ngược lại là lợi nhuận đầu tư vào các công ty có rủi ro tín dụng cao sẽ thấp hơn nhiều trong thời gian dài so với các công ty có tín dụng tốt.

  Có rất nhiều yếu tố khác lại có kết quả ngược lại khi xem xét sự sai lệch của những người sống sót.

  Hình 3

• Look-ahead bias (sự thiên vị nhìn về phía trước)

  Hình 4

  Là một trong 7 tội lỗi của Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong trào Phong

  Một ví dụ rõ ràng về sự lệch hướng về phía trước là trong dữ liệu tài chính, trong khi việc sửa đổi dữ liệu tài chính dễ dàng gây ra những lỗi khó phát hiện. Nói chung, thời điểm phát hành dữ liệu tài chính của mỗi công ty khác nhau và thường có sự chậm trễ. Trong khi đó, khi xem lại, chúng tôi thường đánh giá tình hình tài chính của công ty dựa trên thời điểm phát hành dữ liệu của mỗi công ty.

  Tuy nhiên, khi dữ liệu điểm (PIT data) không có sẵn, giả định về sự chậm trễ của báo cáo tài chính thường là sai lầm. Hình dưới đây chứng minh sự khác biệt giữa việc sử dụng dữ liệu PIT và dữ liệu phi PIT. Trong khi đó, chúng ta thường nhận được các giá trị cuối cùng sau khi sửa đổi khi tải xuống dữ liệu vĩ mô lịch sử, nhưng nhiều dữ liệu GDP của nhiều quốc gia phát triển được phát hành sau hai lần điều chỉnh, và các báo cáo lợi nhuận của các công ty lớn cũng thường được điều chỉnh.

  Hình 5

• Và điều thứ ba, kể chuyện (The sin of storytelling).

  Hình 6

  Một số người thích bắt đầu kể chuyện mà không có bất kỳ dữ liệu nào, những người làm định lượng thích kể chuyện với dữ liệu và kết quả. Hai trường hợp có nhiều điểm tương đồng, những người giỏi kể chuyện hoặc những người giỏi giải thích kết quả dữ liệu thường có kịch bản đã được thiết lập trong tâm trí trước khi có được dữ liệu, chỉ cần tìm thấy sự hỗ trợ dữ liệu.

  Nhìn lại hai giai đoạn 1997-2000 và 2000-2002 của cổ phiếu công nghệ Mỹ và chỉ số Russell 3000, chúng ta sẽ thấy một kết luận hoàn toàn ngược lại. Từ năm 1997-2000 của cổ phiếu công nghệ Mỹ, tỷ lệ lợi nhuận là một yếu tố tốt và kết quả kiểm tra lại cũng rất đáng tin cậy, tuy nhiên nếu kéo dài khoảng thời gian đến năm 2002, chúng ta sẽ thấy chỉ số tỷ lệ lợi nhuận không còn là một yếu tố tốt.

  Hình 7

  Tuy nhiên, từ các hoạt động của thị trường trong chỉ số Russell 3000, chúng ta đã kết luận ngược lại rằng chỉ số lợi nhuận vẫn là một yếu tố có hiệu lực, và bạn có thể thấy rằng thời gian chọn và đánh giá lại các nhóm chứng khoán có ảnh hưởng rất lớn đến việc đánh giá hiệu quả của các yếu tố. Vì vậy, người kể chuyện không đưa ra kết luận chính xác.

  Hình 8

  Mỗi ngày trên thị trường đang phát hiện ra những yếu tố tốt mới, tìm kiếm động cơ vĩnh cửu. Các chiến lược có thể phát hành đều phản hồi hiệu suất tốt. Mặc dù người kể chuyện giải thích lịch sử rất hấp dẫn, nhưng dự đoán về tương lai của họ hầu như không hữu ích. Sự liên quan và nhân quả trong kinh tế tài chính thường rất khó để hiểu, vì vậy, khi chúng ta đưa ra kết quả trái ngược với ý thức chung hoặc phù hợp với phán đoán ban đầu, tốt nhất là không làm người kể chuyện.

• Bốn, khai thác dữ liệu (Data mining and data snooping)

  Hình 9

  Việc khai thác dữ liệu có thể được coi là một lĩnh vực quan tâm hiện nay, dựa trên một lượng lớn dữ liệu và máy tính hỗ trợ tính toán, người ta thường hy vọng có thể có được các yếu tố tốt hơn không thể nhận thấy. Tuy nhiên, dữ liệu tài chính ban đầu chưa đạt đến khối lượng lớn, và dữ liệu giao dịch không đáp ứng các yêu cầu về dữ liệu có âm thanh thấp.

  Đôi khi khai thác dữ liệu gần như không hiệu quả. Ví dụ, chúng tôi đã mô hình hóa chỉ số S&P 500 bằng hai thuật toán cân nhắc yếu tố khác nhau và chọn dữ liệu năm 2009-2014 để kiểm tra lại. Kết quả cho thấy việc kiểm tra lại với 6 yếu tố hoạt động tốt nhất từ năm 2009 đến năm 2014 và sử dụng các thuật toán cân nhắc như vậy là rất hoàn hảo, trong khi kết quả kiểm tra lại với mẫu dữ liệu lịch sử là một đường thẳng.

  Hình 10

  Do đó, khi xây dựng chiến lược hoặc tìm kiếm các yếu tố tốt, tất cả chúng ta nên có logic và động lực rõ ràng, phân tích định lượng chỉ là một công cụ để xác minh logic hoặc động lực của mình, chứ không phải là tìm kiếm các đường tắt hợp lý. Nói chung, động lực xây dựng chiến lược hoặc tìm kiếm các yếu tố của chúng ta có nhiều nguồn gốc từ kiến thức lý thuyết cơ bản về tài chính, hiệu quả thị trường, tài chính hành vi và các lĩnh vực khác. Tất nhiên, chúng tôi cũng không phủ nhận giá trị ứng dụng của khai thác dữ liệu trong lĩnh vực định lượng.

• 5, sự suy giảm tín hiệu, tỷ lệ chuyển đổi, chi phí giao dịch

  Hình 11

  Sự suy giảm tín hiệu là khả năng dự đoán về mức độ lợi nhuận cổ phiếu trong tương lai sau khi một yếu tố được tạo ra. Nói chung, tỷ lệ giao dịch cao và sự suy giảm tín hiệu có liên quan. Các yếu tố lựa chọn cổ phiếu khác nhau thường có các đặc điểm suy giảm thông tin khác nhau. Sự suy giảm tín hiệu nhanh hơn thường đòi hỏi tỷ lệ giao dịch cao hơn để kiếm lợi nhuận. Tuy nhiên, tỷ lệ giao dịch cao hơn cũng thường có nghĩa là chi phí giao dịch cao hơn.

  Vì vậy, làm thế nào để xác định tần suất điều chỉnh tối ưu? Chúng ta cần lưu ý rằng việc hạn chế tỷ lệ hối đoái chặt chẽ không có nghĩa là giảm tần suất điều chỉnh. Ví dụ, chúng ta thường nghe những điều tương tự như: Chúng tôi là nhà đầu tư giá trị dài hạn, chúng tôi dự kiến giữ cổ phiếu 3-5 năm. Do đó, chúng tôi điều chỉnh ngay một lần một năm.

  Hình 12

  Khi mua 100 cổ phiếu có hiệu suất tồi tệ nhất vào ngày đóng cửa, bán cổ phiếu trong quá khứ, tiếp tục giao dịch hàng ngày, tỷ lệ lợi nhuận rất cao. Sai lầm ở đây cũng là sai lệch về phía trước, chưa đóng cửa, chúng ta không biết những cổ phiếu có hiệu suất tồi tệ nhất vào ngày đó, đó là sử dụng giao dịch theo quy trình, chiến lược này cũng không thể thực hiện được.

• 6. Các giá trị ngoại lệ (Outliers)

  Hình 13

  Các kỹ thuật kiểm soát điểm bất thường truyền thống bao gồm cả hai loại winsorization và truncation, tiêu chuẩn hóa dữ liệu cũng có thể được coi là một trong những phương pháp kiểm soát điểm bất thường, kỹ thuật tiêu chuẩn hóa có khả năng có ảnh hưởng đáng kể đến hiệu suất của mô hình. Ví dụ, tỷ lệ lợi nhuận của các cổ phiếu thành phần của chỉ số BMI Hàn Quốc trong biểu đồ dưới đây, kết quả sử dụng phương pháp trung bình, loại bỏ 1% hoặc 2% điểm cực, và các phương pháp khác nhau.

  Hình 14

  Mặc dù các giá trị bất thường có thể chứa thông tin hữu ích, nhưng trong hầu hết các trường hợp, chúng không chứa thông tin hữu ích. Tất nhiên, ngoại lệ là đối với các yếu tố động lực giá. Như hình dưới cho thấy, đường màu xanh là biểu hiện kết hợp sau khi loại bỏ các giá trị bất thường, đường màu đỏ là dữ liệu nguyên liệu. Chúng ta có thể thấy chiến lược động lực của dữ liệu nguyên liệu tốt hơn nhiều so với biểu hiện chiến lược sau khi loại bỏ các giá trị bất thường.

  Hình 15

• 7. The asymmetric payoff pattern and shorting (Mẫu thanh toán không đối xứng và rút ngắn)

  Hình 16

  Nói chung, chiến lược sử dụng nhiều hơn trong chiến lược đa yếu tố là chiến lược đa không gian, đó là, nhiều cổ phiếu tốt hơn nhưng lại có giá trị thấp hơn. Thật không may, không phải tất cả các yếu tố đều bằng nhau, nhiều yếu tố có tính năng lợi nhuận đa không gian không đối xứng, cộng với chi phí có thể tồn tại và khả năng thực tế của việc làm không gian, cũng gây ra nhiều rắc rối cho đầu tư định lượng. Dưới đây là biểu đồ cho thấy các tính năng lợi nhuận không gian của các yếu tố, được sắp xếp theo kích thước khác nhau.

  Hình 17

Nguồn: Walking Wall Street