Quantitative finance что это

«Мыслить финансовыми моделями»: Кто такие кванты и как ими стать

Редактор блога Turing Finance и, по совместительству, финансовый аналитик хедж-фонда Стюарт Рид опубликовал практическое руководство для тех, кто видит свое будущее на финансовом рынке, исходя из своего опыта работы в профессии. Он обещает рассказать не о том, как стать квантом, а как быть им в любом из секторов финансовой индустрии, в котором вы сейчас работаете. По его мнению, это даже не вопрос выучки, но, скорее, вопрос идеологии. Представляем вашему вниманию адаптированный перевод этого материала.

Количественные методы или количественный анализ в индустрии финансов – это наука, но никак не профессия, считает Рид. Это значит, что знание того, как стать квантом ничего не прибавляет к вашим умениям. Нужно знать, как быть им. Во втором случае мы говорим о принципах и идеологии, лежащей в основе количественного анализа. В первом варианте – речь о том, чтобы проявлять некие практические активности, чтобы получить работу, где в описании стоит слово «квант».

На базовом уровне быть квантом – еще не означает умения выводить изощренные формулы для оценки возможностей диковиной стохастической модели. Это еще не означает создавать, обучать и тестировать стратегии трейдинга, использующие модель статистической регрессии. Быть квантом – значит, верить, что научные модели годятся для общего анализа финансовых рынков.

Подобная идеология набрала вес при оценке деривативов, потом перешла на риск-менеджмент, управление активами и биржевую торговлю. Вероятно, в ближайшее десятилетие мы сможем наблюдать распространение этого подхода в сфере корпоративных финансов, в венчурных и банковских инвестициях.

Философия науки

На последнем курсе по компьютерным наукам автор вместе с остальными студентами потратил год на создание модуля под названием «методологии исследования». В его основе лежали два учебника: «Философия науки: от проблем к теории» и «Философия науки: от объяснения к обоснованию». Обе написаны Марио Бунге. Несмотря на все попытки преподавателя сделать этот предмет скучным, насколько это возможно, автору нравилось изучать философию. Многие идеи модуля оказались востребованы в дальнейшей практике.

Собственно, сам предмет «философия науки» повествует о логических основаниях, методах и выводах науки. Проще говоря, он пытается ответить на вопросы: что такое наука? Как это работает? Каковы пределы научного знания? В истории было дано множество ответов на эти вопросы. Нередко противоположных. Их можно свести к нескольким направлениям: реализм, эмпиризм, инструментализм и индукция, логический позитивизм и фальсифицируемость.

Реализм против эмпиризма

Реализм уверен в том, что наука занимается в своих исследованиях реальным миром, а не той его конструкцией, которая дана лишь в ощущениях. Напротив, эмпиризм, исходит из положения о том, что все, что мы знаем, мы знаем через органы чувств. Значит, наше знание является временным и ограниченным.

Главным аргументом в пользу реализма может стать точность научных теорий. Если мы имеем теорию достаточно точную, чтобы с ее помощью быть способными предсказывать будущее состояние системы, значит, мы описываем реальный мир. В большей степени это справедливо для физических наук. В финансовом мире любая теория будет ограниченной в своих возможностях предсказания и подчиненной искажениям.

Дедукция, индукция и абдукция

В философии науки мы различаем несколько форм логических рассуждений.

Количественные теории рынка построены на индукции через эмпирические наблюдения. Подобные теории легко опровергаются при наличии противоречащих друг другу данных. Они могут быть стройными на бумаге, но на практике чаще всего являются предметом веры своих приверженцев, которые упускают факты, не вписывающиеся в модель.

Читатель, наверняка, уже задается вопросом, как философия науки помогает стать квантом? Ее идеология важна для понимания ограничений возможностей нашего знания о финансовых рынках. Как бы глубоко финансовые теории не были укоренены в эмпирических данных, не казались непогрешимыми, они хрупки по своей природе. К ним относятся все популярные предпосылки количественных моделей: возвраты нормального распределения, линейность, стационарность, гипотезы случайных блужданий и эффективности рынка.

Научный метод

Научный метод помогает сделать мышление более четким и строгим и увеличить тестируемость модели и проверяемость, лежащих в ее основе гипотез.

Научный метод – это непрерывный процесс, включающий систематические наблюдения, количественные измерения, эксперимент, получения гипотез, проверку гипотез и их совершенствование. Автор предлагает пройти весь путь научного метода на примере теории случайных блужданий.

Наблюдения

В контексте финансовых рынков мы обычно извлекаем полезную информацию из книг, статей, средств массовой информации и даже иногда, почитывая хорошие (или не очень) блоги на заданную тематику. Что мы в них находим? Во многих академических изданиях имеется утверждение о том, что рынок ведет себя случайным образом, в нем действуют стохастические процессы.

Здесь важно начать задавать вопросы. Первые вопросы, которые помогут нам как-то оценить данное предположение могут быть самыми простыми: кто, что, когда и зачем? Попробуем посмотреть с этой точки зрения на гипотезу случайных блужданий.

Формирование гипотезы

Гипотеза – это декларативное утверждение, которое обосновывает взаимоотношения между набором переменных. Хорошая гипотеза должна быть лаконичная, проверяемая, учитывающая весь предыдущий накопленный опыт исследований. Возьмем, для примера, следующие интересные идею, которую прислал автору один из постоянных читателей его блога.

Возвраты рынка демонстрируют случайность, поскольку рынок способен быстро адаптироваться, чтобы избавиться от любых слабых мест.

Мысль хорошая. Но сама по себе гипотеза так себе. Многие термины не определены, слишком много всего намешано в одну кучу, и ее не так-то просто проверить. Попробуем разбить эту гипотезу на несколько отдельных.

Гипотеза 1. Движения рынка (вверх или вниз) неотличимы от бинарных случайных последовательностей Мартина-Лёфа.

Разбор автором гипотезы случайного блуждания, привел его к выводу, что рынок не является случайным, по крайней мере, в таких жестких терминах. Вслед за этим появляется множество других вопросов, требующих дополнительных исследований. Следовательно, эту новую гипотезу можно разбить еще на две части.

Гипотеза 2. Эффективность рынка, временная доступность всем участникам любой информации, вынуждает рынок развиваться случайно.

В одном из следующих материалов автор обещает рассказать, как проверить эту гипотезу на истинность. Пока же, тем, кто интересуется, можно почитать две статьи на эту тему: «Неприятие рисков и мартингальное свойство рыночных цен», Ле Рой, 1973 год, и «Цены на активы в экономике обмена», Лукас, 1978 год. (по ссылке оба материала почему-то недоступны – прим. переводчика). В них исследователи пытаются выяснить, как влияет доступ к информации рациональных агентов рынка на случайное распределение цен. В общих чертах вывод таков: свободный доступ к данным может вести к случайному движению рынка, а может и не вести. То есть эффективность еще не означает случайность.

Далее все это нас приводит к третьей гипотезе, которую исследуют относительно редко, по причине того, что ее сложно проверить.

Гипотеза 3. Вне зависимости от того, развивается ли рынок случайно или нет, все возможности заработать на нем вымываются слишком быстро, чтобы инвесторы успели построить постоянную эффективную стратегию.

Эта гипотеза не слишком лаконична и декларативна. Ее довольно сложно опровергнуть или подтвердить. То есть по всем параметрам она не так изящна, как предыдущие. Поэтому на данном этапе ей можно пренебречь.

Разработка тестируемых прогнозов

Для того чтобы построить прогноз, нужно для начала определиться, верна ли ваша гипотеза. Затем следует понять, какие величины включать в прогноз. Например, если мы за базовую берем первую гипотезу, то возвраты рынка (вверх или вниз) можно проверить и рассчитать с помощью набора статистических тестов NIST. Их поведение должно соответствовать бинарной последовательности Мартина-Лёфа. В одном из прошлых постов автор уже проделывал эту операцию, используя генератор псевдослучайных чисел под названием «Вихрь Мерсенна». Выяснилось, что данная гипотеза неверна.

Многие люди совершают одну и ту же ошибку: они уверены, что в исследовании все дело в одной объективности. На самом деле, не так уж важно, верна гипотеза или ложна. Важно, что при любом раскладе мы приносим новую информацию в научное знание по конкретной проблеме.

Для того чтобы проверить вторую гипотезу, придется пойти на шаг дальше: создать модель базового агента, в которой эффективность будет гарантирована. Из этой модели мы затем извлечем последовательности возврата и протестируем их на предмет случайности. О моделях будет рассказано чуть ниже.

Сбор данных для проверки предсказания

Название этого этапа говорит само за себя. Единственная вещь, о которой стоит предупредить: данные для проверки нужно брать из реального мира (эмпирические данные). На крайний случай, они могут происходить из модели, соответствующей гипотезе. Оба подхода имеют свои плюсы и минусы. С эмпирическими данными многое зависит от того, как вы их измеряете, собираете и храните. Имитирующие данные предполагают, что выполнение модели было сделано корректно.

Уточнение или опровержение гипотезы

Опираясь на собранные данные, мы можем ответить на вопрос, были ли предсказания верны, и подтвердили ли доказательства нашу гипотезу. Важно отметить, что при положительном варианте, речь идет лишь о поддержке гипотезы. Доказать, что она верна мы не можем. Во втором случае, гипотеза считается ложной.

Создание общей теории

Итак, мы собрали достаточное число гипотез, тщательно их протестировали. Теперь мы можем собрать из них одну общую теорию. Например, для теории портфельного выбора потребовались десятки лет исследований взаимоотношений между риском и прибылью, прежде чем она была принята научным сообществом. На момент публикации докторской диссертации Марковицем, в теорию портфеля практически никто не верил. Ему даже хотели отказать в присуждении степени доктора экономических наук.

История, по правде говоря, весьма поучительная. Если ваша идея непопулярна, это еще не значит, что она неверна. Сообщество финансистов очень консервативно. Устаревшие идеи и подходы здесь отстаиваются с почти религиозным пафосом и серьезностью. В навыки кванта как раз и входит умение смотреть на этот мир объективно и постоянно бороться с мифами о финансовых рынках. Забудьте о консенсусе, занимайтесь поиском истины.

Мыслить моделями

Как стать квантом? Оформляйте свои идеи в модели. Затем пользуйтесь этими моделями, чтобы упорядочить свое мышление, проверить и обосновать свои идеи, выявить скрытые паттерны.

Модель – это репрезентация отдельных объектов или процессов, существующих в реальном мире. Для построения моделей кванты используют методы математики и компьютерных наук. Квант, например, может собрать модель рисков, сопряженных с конкретных портфелем активов. Почему на первый план выдвинуты именно модели? Тем более что некоторые полагают, что такой тип мышления лежал в основе финансового кризиса 2008 года.

Модели помогают нам более ясно мыслить

Развивая идею до уровня подходящей модели, сделанной в коде или прописанной в математических формулах, не важно, заставляет более четко видеть смысл, достоинства и недостатки самой идеи. Мы смотрим на умозрительные вещи в терминах инпутов, аутпутов и технологических процессов. Через модель и процессы можно обнаружить недостающие части и исправить неточности.

Модели проверяемы, интуиция нет

Как только идея была систематизирована и закодирована в модель, она становится проверяемой. В конечном итоге, мы можем увидеть, насколько идея соответствует реальному раскладу вещей. Возьмем, для примера, стохастическую модель броуновского движения в применении к рынку ценных бумаг. Как она соотносится с реальным миром? Учитывает ли они падения рынков? Учитывает ли она периоды высокой и низкой волатильности? Ответ, разумеется, отрицательный. Все это заставляет нас заняться разработкой более качественной стохастической модели: модели диффузионных скачков Мертона и модели стохастической волатильности Хестона.

Другой, общий вариант проверки модели – посмотреть, как она ведет себя на исторических данных. Возьмем обычную инвестиционную стратегию смещенного значения. Пока она зиждется на интуиции брокера, нельзя проверить, могла ли она приносить хорошую отдачу в прошлом. Можно лишь верить словам финансового управляющего, что он хорош в своем деле.

Модели помогают находить скрытые паттерны

Забудьте на время про поиск паттернов с помощью машинного обучения и нейронных сетей. Даже отжившие простые модели могут находить скрытые паттерны и открывать новое понимание привычных вещей.

Возьмем пример из другой области. Сколько, по вашему мнению, человек в отдельном городе должны быть расистами, чтобы уровень расовой сегрегации достиг 80%? Ученые выяснили, что достаточно, чтобы 30% людей были расистами для возникновения расовой сегрегации в относительно изолированном обществе. Все это можно просчитать с помощью старой модели сегрегации Шеллинга. И таких примеров, когда модель открывает нам новое знание о привычных вещах, масса. Тем, кто интересуется, автор советует пройти курс понимания моделей на Coursera.

Математические или компьютерные модели помогают нам отойти от умозрительных построений и снять когнитивную нагрузку на отдельного человека. Проще говоря, они делают нас умнее. Гораздо умнее.

Заключение

Количественные финансы – это идеология, и быть квантом – значит намного больше, чем быть просто математиком или знать, как писать код. Это история о приверженности научному методу и способности его применять для изучения финансовых рынков в целом. Учитывая это, автор дает единственный совет тем, кто намеревается стать квантом: просто будьте им, вне зависимости от названия своей должности. Нет причин для того, чтобы фундаментальные принципы и количественные методы нельзя было бы применить для других сфер финансовых услуг или даже для нефинансовых компаний. Вполне вероятно, что через десяток лет станет привычным и количественное банковское инвестирование и количественный венчурный капитализм. Даже если вы сможете просто грамотно расписать принципы этой идеологии на своем собеседовании, это уже будет большим плюсом.

Источник

О курсе «Quantitative Finance»

Quantitative Finance – полномасштабный курс, который направлен на формирование у участников технических навыков по контролю и предотвращению рисков.

Помимо знаний и навыков, вы получите возможность общаться с действующими профессионалами рынка. Программа подойдет как студентам финансовых специальностей, так и действующим специалистам (например, финансовым аналитикам и менеджерам отделов по управлению рисками).

Формат: blended learning – онлайн- и офлайн-обучение.

Оглавление:

— Что будет на курсе
— Подробная программа обучения
— Варианты участия и стоимость

Что будет на курсе

Программа «Quantitative Finance» состоит из трех блоков: онлайн-университет, живые занятия и нетворкинг.

Онлайн-университет представляет собой систему управления знаниями (Learning Management System — LMS), которая расположена на внешнем ресурсе. Каждый ученик имеет доступ в личный кабинет, в котором видит все уроки, материалы курса, а также личный прогресс. Благодаря мобильному приложению есть возможность изучать материал везде, где есть Интернет, и на любом устройстве.

Однако, онлайн-часть не заканчивается на LMS системе. Было бы странным просто давать доступ к личному кабинету и называть это полноценным учебным опытом. Именно поэтому с самого первого потока в далеком 2016-ом году мы ежедневно общаемся в чате ВК.

Почему ВК, а не Slack или другой провайдер? Дело в удобстве: все сидят в социальных сетях, и мы хотим, чтобы участники курса ежедневно (и по многу раз в день) общались друг с другом и экспертами курса, обсуждая не только лишь учебный материал и организационные моменты. К тому же у чата в социальной сети не возникнет технических проблем.

В чатах мы обсуждаем материал курса, частные случаи, карьеру и новости, касающиеся темы курса. Также в чате участники находят партнеров для живых кейсов.

В онлайн-обучение также входят еженедельные вебинары, на которых покрываются сложные темы и разбираются вопросы по материалу, домашние задания, тесты на оценку и самостоятельные практические работы. Вебинары проводятся на платформе Zoom, которую каждый ученик устанавливает до начала курса на свое устройство.

На очных занятиях студенты решают практические кейсы, которые помогают закрепить полученные знания. На кейсах участники решают реальные бизнес-задачи, взятые из ежедневной практики наших экспертов. Кейсы можно решать как самостоятельно, так и в группах. Участники нередко говорят, что именно на кейсах их знания, полученные в онлайн-формате, «встают на свои места».

Нетворкинг, то есть заведение связей и их развитие, проходит нитью через весь процесс обучения. Именно этот элемент курса дает самую большую пользу участникам в долгосрочной перспективе: ученики не только общаются друг с другом, но и с экспертами курса, которые являются действующими профессионалами. Общение открывает спектр возможностей: трудоустройство, карьерный менторинг, контакты на будущее. Польза последнего не кажется очевидной, но именно связи, построенные в прошлом, позволяют развивать нам SF Education и налаживать плодотворное сотрудничество с компаниями.

Подробная программа обучения

Курс «Quantitative finance» состоит из 4 учебных модулей общей протяженностью более 70 часов. Преподаватель курса – профессионал с многолетним опытом работы в области высокочастотного трейдинга и риск-аналитики.

Перейдем к расписанию курса.

Математическая статистика и теория вероятностей – первый модуль курса, который является плацдармом для дальнейшего обучения. Начиная с изучения риск-менеджмента и построения системы управления рисками в компании, студенты осваивают такие темы, как оценивание метрик риска, оценку рисковой стоимости и современные подходы по управлению рисками. Затем изучаются такие темы, как вероятностные пространства, комбинаторика, теорема Байеса, схема Бернулли, геометрическая вероятность и многие другие.

Стохастическая математика и оценка стоимости деривативов – второй модуль курса, который посвящен стохастической финансовой математике. Вы изучите броуновское движение, ознакомитесь с стратегией Мартингейл и теорией исчисления Ито, углубленно изучите концепции внутренней нормы доходности, модифицированной дюрации и выпуклости. Перечень изучаемых тем на этом не заканчивается, мы рассказали про основные.

Портфельный анализ – третий модуль курса. Во время этого модуля изучаются аллокация активов и кривые доходности. Вы научитесь вычислять эффективные границы портфеля, оценивать ожидаемую доходность, тестировать равновесные модели портфеля и применять теорию арбитражного ценообразования.

Технический инструментарий для моделирования рисков –заключительный модуль курса. Во время этого модуля вы изучите широкий технический инструментарий – в том числе Python, R и Matlab. Далее на практических кейсах вы сможете закрепить полученные знания. Обучение начинается с самых основ, поэтому можно не переживать по поводу изначально низкого уровня технических навыков.

Варианты участия и стоимость

Программа «Quantitative finance» представляет собой 4 месяца интенсивных занятий. Ваше обучение будут курировать действующие профессионалы, готовые отвечать на любые ваши вопросы. Во время обучения вы решите 8 бизнес-кейсов, которые помогут закрепить знания и развить соответствующие навыки.

Стоимость участия доступна на сайте SF Education. Вы обучаетесь со своей скоростью в удобное именно для вас время. Начав обучение, вы заметите ощутимые результаты уже на первом модуле.

Не забывайте, что мы не только учим, но и помогаем вам решать свои рабочие задачи. Кроме этого, в чатах курсов мы регулярно размещаем релевантные вакансии наших партнеров!

Записывайтесь на курс «Quantitative Finance» и начинайте строить свою карьеру уже сейчас!

Источник

Количественные финансы

Цюрихский университет

University of Zurich

«> 73 место StudyQA рейтинг: 872 Длительность: 2 года

Программа состоит из 10 основных курсов и (списка) курсов по выбору. Любой курс программы либо из поля «Экономическая теория для финансов» (EF), либо из поля «Математические методы для финансов» (MF). Каждый студент должен набрать не менее 90 баллов ECTS следующим образом:

Основные курсы

Все 10 основных курсов предлагаются один раз в каждый учебный год следующим образом:

Экономическая теория для финансов (EF)

Математические методы для финансов (MF)

Advanced Corporate Finance I (EF)

Экономические основы для финансирования (EF)

Математические основы для финансов (MF)

Финансовые рынки и учреждения (EF)

Финансовый инжиниринг (MF)

Продвинутая финансовая экономика (EF)

Количественное финансирование в непрерывном времени (MF)

Управление активами (EF)

Количественное управление рисками (MF)

Вычислительные методы PDE для финансов (MF)

Список курсов по выбору

Исследование

Магистерская работа

Итоговая оценка и диплом

Этап 1 (научный)

Мы не будем вести переписку о получении суммы ни с одним студентом, за исключением того, что мы получили заявку и никакой оплаты. Тогда мы свяжемся с вами по поводу нарушения. Пока с вами не связались, мы получили причитающуюся сумму.
Шаг 2. Убедитесь, что два человека готовы поддержать вашу заявку, предоставив рекомендательное письмо

Шаг 3. Подготовьте документы вашего заявления
Обращаем ваше внимание, что все документы являются обязательными, рассматриваются только заполненные заявки. Все перечисленные ниже документы и информация являются обязательными и должны быть отправлены через форму заявки в формате PDF. Пожалуйста, убедитесь, что все отправленные нам документы в формате PDF разрешают консолидацию (свойства файла, уровень безопасности, пожалуйста, не защищайте паролем). Все ваши документы будут объединены в один файл после крайнего срока для оценки вашей заявки Руководящим комитетом.

На добровольной основе вы можете подать до трех дополнительных документов, подтверждающих вашу заявку. Например, вы можете отправить результаты теста GRE или GMAT или письма от предыдущих работодателей и т. Д.

Шаг 4. Примените официально

онлайн-заявку. Официально подать заявку онлайн.

Этап 2 (административный)

Только для кандидатов, принятых Руководящим комитетом.

Шаг 5. Подача разрешенных копий в Приемную комиссию
Приемная комиссия Цюрихского университета свяжется с вами и попросит

Все документы должны быть отправлены в приемную комиссию Цюрихского университета. Для получения любой информации, связанной с процессом подачи заявки Шаг 5 (фаза 2), пожалуйста, свяжитесь с t.uzh.ch/admission.

Стипендия

Мы не предлагаем стипендии, покрывающие ваши расходы на проживание в Цюрихе. Однако, в зависимости от того, откуда вы родом, есть несколько организаций, которые предлагают стипендии, например, правительство Швейцарии, Институт международного образования, программа Фулбрайта, немецкий DAAD и так далее. Пожалуйста, спросите своего иностранного студенческого консультанта и поищите в Интернете.

Расходы

Расходы на проживание во многом зависят от личности учащегося. Поэтому эти цифры следует рассматривать только как ориентировочные (в швейцарских франках):

Таким образом, ожидаемая минимальная стоимость жизни для студентов составляет 1750 швейцарских франков в месяц. Стоимость курса составляет около 770 швейцарских франков за семестр.

Источник