🔵 👨🏿‍🤝‍👨🏽 🐭 「金融モデルを考える」：誰が量子であり、どのようにそれらになるのか 👩🏽‍⚖️ 🔒 🖌️

チューリング・ファイナンスのブログ編集者であり、同時にヘッジファンドの金融アナリストであるスチュアート・リードは、専門家としての経験に基づいて、金融市場の将来を見据えた実践的なガイドを発行しました。彼は、量子になる方法ではなく、あなたが現在働いている金融業界のどのセクターでもそれをする方法を伝えると約束しています。彼の意見では、これは学習の問題ではなく、イデオロギーの問題です。この資料の翻訳版をご紹介します。

Reed氏は、金融業界における定量的手法または定量的分析は科学であり、専門職ではない、と語っています。つまり、クォンタムになる方法を知っていても、スキルには何も追加されません。あなたは彼になる方法を知る必要があります。 2番目のケースでは、定量分析の根底にある原理とイデオロギーについて話します。最初のオプションでは、説明に「量子」という単語が含まれる仕事を得るために、いくつかの実際的な活動を示すことです。

基本的なレベルでは、量子であることは、奇妙な確率モデルの可能性を評価するための洗練された公式を導き出す能力を意味しません。これは、統計回帰モデルを使用して取引戦略を作成、トレーニング、およびテストすることを意味するものではありません。量子であるということは、科学モデルが金融市場の一般的な分析に適していると信じることを意味します。

同様のイデオロギーは、デリバティブを評価する際に重要性を増し、リスク管理、資産管理、株式取引に切り替えました。おそらく次の10年で、このアプローチが企業金融、ベンチャー、銀行投資の分野で広がることを観察できるでしょう。

科学の哲学

コンピューターサイエンスの最後の年に、著者は他の学生とともに「研究方法論」と呼ばれるモジュールの作成に1年を費やしました。「科学の哲学：問題から理論へ」と「科学の哲学：説明から正当化へ」という2つの教科書に基づいていました。どちらもマリオ・ブンジによって書かれています。このテーマをできるだけ退屈にしようとするすべての教師の試みにもかかわらず、著者は哲学を勉強するのが好きでした。モジュールの多くのアイデアは、さらなる実践において需要があることが判明しました。

実際、「科学の哲学」という主題自体が、科学の論理的基盤、方法、結論について語っています。簡単に言えば、彼は質問に答えようとしている：科学とは何か？どのように機能しますか？科学知識の限界は何ですか？歴史はこれらの質問に多くの答えを与えてきました。しばしば反対。それらは、リアリズム、経験主義、道具主義と帰納、論理的実証主義と偽証可能性のいくつかの方向に縮小することができます。

リアリズムと経験主義

リアリズムは、科学が感覚でのみ与えられるその構造ではなく、その研究において現実世界を扱うと確信しています。反対に、経験主義は、私たちが感覚を通して知っているすべてを知っているという命題から始まります。したがって、私たちの知識は一時的であり、限られています。

リアリズムを支持する主な議論は、科学理論の正確さかもしれません。システムの将来の状態を予測できるほど正確な理論があれば、現実の世界を記述できます。これは、物理科学の場合により当てはまります。金融の世界では、どんな理論でも、予測する能力と歪みの影響を受ける能力が制限されます。

控除、誘導および誘duction

科学の哲学では、論理的推論のいくつかの形式を区別します。

控除とは、1つ以上の仮定に基づいて、1つの一貫した結論に推論を推論することを意味します。多くの場合、数学およびコンピューターサイエンスの正式な方法で使用されます。
誘ductionはやや簡略化された演formであり、後者の結論から得られた主張は必要に応じて真実ではない可能性があると主張しています。しかし、いずれにしても、これは利用可能なデータと仮定に基づいてできる最善の方法です。
誘導は、証拠と観察に基づいて1つ以上の強い前提に基づいて結論を導き、改ざんによって検証できる確率的真実を取得します。

後者の方法の欠点は、ここでの結論が信頼できないことです。これは、有名なブラックスワンの例で実証できます。私たちの道を渡るすべての白鳥が白である限り、「白鳥はすべて白」という言葉に導かれます。モデルが予測できない外観を持つ最初のブラックスワンは、この真実に反論します。この例は、 Nassim Talebによる彼の著作でより詳細に検討されています。

定量的市場理論は、経験的観察による帰納法に基づいています。このような理論は、矛盾するデータが存在する場合に簡単に反論されます。彼らは紙の上でスリムかもしれませんが、実際には、彼らはほとんどの場合、モデルに合わない事実を見逃している支持者の信仰の対象です。

読者はおそらく、科学哲学がどのように量子になるのに役立つのかと疑問に思っているのでしょうか？彼女のイデオロギーは、金融市場に関する知識の限界を理解するために重要です。いかに深い金融理論が経験的証拠に根ざしていても、間違いないように見えますが、それらは本質的に脆弱です。これらには、正規分布のリターン、線形性、定常性、ランダムウォーク仮説、市場効率といった量的モデルの一般的な前提がすべて含まれます。

科学的方法

科学的手法は、思考をより明確かつ厳密にし、モデルのテスト容易性とその基礎となる仮説の検証可能性を高めるのに役立ちます。

科学的方法は、体系的な観察、定量的測定、実験、仮説の獲得、仮説の検証、改善を含む連続プロセスです。著者は、ランダムウォーク理論の例に科学的方法のすべての道を行くことを提案しています。

観察

金融市場のコンテキストでは、通常、書籍、記事、メディアから有用な情報を抽出し、場合によっては特定のトピックに関する良い（またはそうでない）ブログを読みます。私たちはそれらに何を見つけますか？多くの学術出版物では、市場はランダムに振る舞い、確率的プロセスがそこに作用するという声明があります。

ここでは、質問を開始することが重要です。この仮定を何らかの方法で評価するのに役立つ最初の質問は、誰、何、いつ、なぜですか？この観点からランダムウォーク仮説を見てみましょう。

市場の観点から、この理論は誰に適用可能ですか？すべての市場は同じようにランダムに振る舞いますか？ランダム性は、流動性やその他の相対的効率のパラメーターとどのように関係していますか？
何、どのような力が市場をランダムにしますか？効率は本当にランダム性につながりますか？市場がランダムである場合、そのエージェントが市場で競争することは意味がありません。つまり、効率性が失われた場合、市場はランダムのままでしょうか？
市場はどこでランダムですか？世界中で、例えば発展途上国で、少しランダムではない場所はありますか？もしそうなら、このプロセスのダイナミクスの違いはどうですか？
市場はいつランダムになりますか？つまり、それらは全体を通してランダムであるか、ランダム性がないモードによって中断されていますか？もしそうなら、これはそのような瞬間にそのような状態から利益を得ることが可能になることを意味しますか？
なぜ市場はランダムなのですか？それらをランダムな状態に保つプロセスと力は何ですか？
市場パフォーマンスを測定し、ランダムウォーク仮説をテストするにはどうすればよいですか？ベースエージェントモデルを使用して効率的な経済をシミュレートし、価格開示メカニズムがランダムかどうかを確認できますか？

誰かがこれらの質問の一部に回答したことがあります。したがって、以前の研究に遅れないようにすることが重要です。自分の質問を定式化し、そのトピックに関する文献を読んだ後、有能で正しいアイデアが頭に浮かび始め、最終的に検証可能な科学的仮説を形成するはずです。

仮説形成

仮説は、一連の変数間の関係を正当化する宣言文です。優れた仮説は、以前に蓄積されたすべての研究経験を考慮して、簡潔で検証可能である必要があります。たとえば、彼のブログの定期的な読者の1人が著者に送った次の興味深いアイデアを考えてみましょう。

市場は弱点を取り除くために迅速に適応できるため、市場のリターンは偶然です。

思考は良いです。しかし、仮説自体はまあまあです。多くの用語が定義されておらず、1つのパイルに多くの用語が混在しており、確認するのはそれほど簡単ではありません。この仮説をいくつかの別々の仮説に分解してみましょう。

仮説1 。市場の動き（上または下）は、Martin-Löfバイナリランダムシーケンスと区別できません。

著者のランダムウォーク仮説の分析により、少なくともそのような厳しい条件では、市場はランダムではないと結論付けました。これに続いて、追加の調査を必要とする他の多くの質問が発生します。したがって、この新しい仮説は2つの部分に分けることができます。

仮説2 。市場の効率性、あらゆる情報のすべての参加者に対する一時的な利用可能性は、市場を偶然に発展させます。

次の資料のいずれかで、著者は、この仮説の真実性をテストする方法を伝えることを約束します。それまでの間、興味のある人はこのトピックに関する2つの記事を読むことができます。「リスク回避と市場価格のマーチンゲール資産」、Le Roy、1973、および「Exchange Economyの資産価格」、Lucas、1978。（参考のため、両方の資料は何らかの理由で利用できません-約翻訳者）。その中で、研究者は合理的な市場エージェントの情報へのアクセスが価格のランダムな分布にどのように影響するかを解明しようとしています。一般的に言えば、結論は次のとおりです。データへの自由なアクセスは、ランダムな市場の動きにつながる可能性があります。つまり、効率はランダム性を意味するものではありません。

さらに、これはすべて、検証するのが難しいため、比較的まれにしか研究されていない第3の仮説につながります。

仮説3 。市場が偶然に発展したかどうかに関係なく、それを利用する機会はすべて、投資家が進行中の効果的な戦略を構築するには早すぎます。

この仮説は簡潔すぎず、宣言的ではありません。反論または確認することは非常に困難です。つまり、すべての点で、前のものほどエレガントではありません。したがって、この段階では無視できます。

テスト予測の開発

予測を作成するには、まず仮説が正しいかどうかを判断する必要があります。次に、予測に含める値を理解する必要があります。たとえば、最初の仮説をベースとする場合、NISTの一連の統計検定を使用して、市場のリターン（上昇または下降）を確認および計算できます。それらの動作は、Martin-Löfバイナリシーケンスに対応する必要があります。以前の投稿の1つで、著者はMersenne Whirlwindと呼ばれる擬似乱数ジェネレーターを使用してこの操作を既に行っています。この仮説は間違っていることが判明しました。

多くの人が同じ間違いを犯します。彼らは、研究はすべて1つの客観性であると確信しています。実際、仮説が真であるか偽であるかはそれほど重要ではありません。どんな状況でも、特定の問題に関する科学的知識に新しい情報をもたらすことが重要です。

2番目の仮説をテストするために、さらに一歩踏み込まなければなりません。効率が保証されるベースエージェントのモデルを作成します。このモデルから、リターンシーケンスを抽出し、ランダム性をテストします。モデルについては以下で説明します。

予測データ収集

このステージの名前はそれ自体を物語っています。警告に値する唯一のもの：検証用のデータは実世界から取得する必要があります（経験的データ）。極端な場合、仮説に対応するモデルから派生する可能性があります。どちらのアプローチにも長所と短所があります。経験的データでは、それらを測定、収集、保存する方法に大きく依存します。データのシミュレーションは、モデルの実行が正しく行われたことを示唆しています。

仮説の明確化または反論

収集されたデータに基づいて、予測が正しいかどうか、そして証拠が仮説を裏付けるかどうかの質問に答えることができます。肯定的なオプションでは、仮説をサポートすることだけに注意することが重要です。それが真実であることを証明することはできません。 2番目の場合、仮説は偽と見なされます。

一般理論の作成

そのため、十分な数の仮説を収集し、慎重にテストしました。これで、それらから1つの一般理論を収集できます。たとえば、ポートフォリオ理論は、科学コミュニティに受け入れられるまで、リスクと利益の関係について数十年にわたる研究を行いました。マルコウィッツによる博士論文の発行時点では、ポートフォリオ理論を信じる人はほとんどいませんでした。彼らは彼に経済学博士の学位を授与することさえ拒否したかったのです。

物語は、実際には非常に有益です。あなたのアイデアが人気がない場合、それが間違っているという意味ではありません。投資家のコミュニティは非常に保守的です。時代遅れのアイデアとアプローチは、ほとんど宗教的な哀osと深刻さでここで守られています。クアンタムのスキルには、この世界を客観的かつ継続的に見て、金融市場に関する神話と闘う能力が含まれます。コンセンサスを忘れて、真実を探してください。

モデルで考える

量子になるには？モデルでアイデアを設計します。次に、これらのモデルを使用して思考を合理化し、アイデアをテストおよび実証し、隠れたパターンを明らかにします。

モデルは、実世界に存在する個々のオブジェクトまたはプロセスの表現です。モデルを構築するために、quantaは数学とコンピューターサイエンスの方法を使用します。たとえば、クォンタムは、特定の資産ポートフォリオに関連するリスクのモデルを組み立てることができます。モデルが強調表示される理由さらに、この種の考え方が 2008年の金融危機の中心にあると考える人もいます。

モデルは、より明確に考えるのに役立ちます。

コードで作成された、または数式で書かれた適切なモデルのレベルまでアイデアを開発することは重要ではありません。アイデア自体の意味、長所、短所をより明確に見ることができます。投機的なものは、インプット、アウトプット、技術プロセスの観点から見ていきます。モデルとプロセスを通じて、不足している部品を検出し、不正確さを修正できます。

モデルはテスト可能で、直感的ではありません

アイデアが体系化され、モデルにエンコードされると、検証可能になります。最終的に、アイデアが物事の実際の整列にどのように対応するかを見ることができます。たとえば、証券市場に適用されるブラウン運動の確率モデルを考えてみましょう。現実の世界と比較してどうですか？彼らは市場を考慮していますか？ボラティリティの高低の期間を考慮していますか？もちろん、答えはノーです。これらすべてにより、より良い確率モデルを開発する必要があります。拡散ジャンプのマートンモデルと、確率変動のヘストンモデルです。

モデルをチェックするためのもう1つの一般的なオプションは、履歴データに対するモデルの動作を確認することです。バイアスされた価値の通常の投資戦略を取ります。ブローカーの直感に基づいている限り、過去に良いリターンをもたらすことができるかどうかを確認することは不可能です。あなたは彼が彼の分野で良いという財務マネージャーの言葉を信じることができます。

モデルは、隠されたパターンを見つけるのに役立ちます。

機械学習とニューラルネットワークを使用したパターンの検索についてはしばらく忘れてください。時代遅れの単純なモデルでさえ、隠れたパターンを見つけて、身近なものの新しい理解を開くことができます。

別の地域の例をご覧ください。特定の都市で人種差別が80％に達するためには、何人の人が人種差別主義者であると思いますか？科学者は、比較的孤立した社会では、30％の人が人種差別のための人種差別主義者であることが十分にわかっています。これはすべて、古いシェリング分離モデルを使用して計算できます。そして、そのような例は、モデルが身近なものについての新しい知識を私たちに明らかにするとき、大量です。興味のある人のために、著者はCourseraでモデルを理解するコースを取ることをお勧めします。

数学モデルまたはコンピューターモデルは、推測的な構成から離れ、個人の認知的負荷を取り除くのに役立ちます。簡単に言えば、彼らは私たちを賢くします。はるかに賢い。

おわりに

量的金融はイデオロギーであり、量子であるということは、単なる数学者であることやコードの書き方を知ること以上の意味があります。これは、科学的手法への取り組みと、それを金融市場全般の研究に適用する能力に関する物語です。これを考えると、著者はクォンタムになろうとする人に唯一のアドバイスを与えます：あなたの役職の名前に関係なく、それだけで。基本原則と定量的手法を金融サービスの他の分野や非金融企業にさえ適用できない理由はありません。 10年後には、量的銀行投資と量的ベンチャー資本主義の両方がよく知られるようになるでしょう。たとえインタビューでこのイデオロギーの原則を正しく描くことができたとしても、これはすでに大きなプラスになります。

「金融モデルを考える」：誰が量子であり、どのようにそれらになるのか