Robothandelaren beheren ongeveer $ 1 op elke $ 3. Ze zijn alomtegenwoordig. U bezit waarschijnlijk enkele indexfondsen die als robot- of kwantitatieve fondsen worden beschouwd. Ze zijn goedkoop en bieden de laatste tijd toegang tot de schijnbaar onstuitbare aandelenmarkt. Maar uiteindelijk kan de zeepbel barsten (althans voor kwantitatieve fondsen). Overal worden Quant-fondsen gesloten (bijv. Columbia Threadneedle, Neuberger Berman). Trendvolgende kwantitatieve fondsen zagen enkele van de ergste uitstromen in 13 jaar. Dus wat zijn deze kwantitatieve fondsen precies? Waarom zijn ze ontstaan? En is deze dip een signaal van een endemisch probleem met quants of gewoon een tijdelijke reset?
Vanwege de toegang tot kapitaal is het brede financieringsgebied lange tijd de sector geweest die technologische innovaties eerder omarmt dan andere industrieën. Dus toen softwaretechnologie in de 20e eeuw arriveerde en algoritmische programma's opkwamen, was het onvermijdelijk dat de financiële sector als eerste het potentieel zou benutten. John Bogle, de oprichter van Vanguard, lanceerde in de jaren 70 's werelds eerste indexfondsen, waarbij hij software gebruikte om aandelenmanden te volgen en zo een fonds in staat te stellen automatische hertoewijzingen in te zetten in overeenstemming met eventuele wijzigingen in de onderliggende benchmark.
Het voordeel van het gebruik van software om de handel te automatiseren was groot, vooral in het effect op het verlagen van de operationele kosten. Indexfondsen hoefden niet te betalen voor de personele middelen die anders zouden zijn ingezet om selectie- en toewijzingsbeslissingen te nemen. De komst van het indexfonds was een belangrijke gebeurtenis bij het openen van de wereld van persoonlijk financieel beheer voor een massamarkt die anders uit een dergelijke dienst zou zijn geprijsd.
Snel vooruit naar het heden, en geautomatiseerde (kwantitatieve) fondsen zijn het afgelopen decennium gestaag gestegen om het hoogste aandeel van het volume te behouden door institutionele handel op Amerikaanse beurzen.
Verdere technologische ontwikkelingen leidden tegen het einde van de jaren tachtig tot de introductie van kwantitatieve Exchange Traded Funds (ETF's). Deze instrumenten gebruikten softwareprogramma's om dynamische aandelenselectiebeslissingen te nemen op basis van bepaalde factoren. Een algoritme zou bijvoorbeeld kunnen worden geprogrammeerd om een aandeel te kopen wanneer de markt-boekverhouding lager is dan 1,0 en vervolgens hetzelfde aandeel te verkopen wanneer de verhouding boven de 1,5 stijgt. Zoals te zien is in dit grove voorbeeld, is de software geprogrammeerd om systematische investeringsbeslissingen te nemen op basis van fundamentele analyse die anders door menselijke managers zou worden gedaan.
In de 30 jaar sinds de eerste ETF is de verfijning van geautomatiseerde handel geëvolueerd naar steeds geavanceerdere stadia dankzij de snelle innovaties op het gebied van kunstmatige intelligentie. In de context van algoritmische software impliceert het gebruik van kunstmatige intelligentie dat handelsprogramma's uit eigen beweging kunnen leren en hun effectiviteit kunnen verbeteren. Stel dat de software die in ons ETF-voorbeeld hierboven wordt gebruikt, is geïmplementeerd met een kunstmatige-intelligentiemodule. Nu kan het mogelijk voortdurend gegevens over aandelenprestaties analyseren, waardoor het vervolgens inzicht kan krijgen dat het een meer winstgevende strategie zou zijn om alleen aandelen te kopen wanneer hun markt-boekverhouding onder 1,25 daalt en ze te verkopen wanneer de verhouding stijgt tot 1,8. De software zal dan beslissingen gaan nemen op basis van dit geleerde, zonder dat menselijke tussenkomst nodig is.
Vanaf 2019 beheren ETF's en indexfondsen samen meer Amerikaanse aandelen dan door mensen beheerde vermogensbeheerders. Over de $ 31 biljoen aan Amerikaanse aandelenmarktwaarde bezitten kwantitatieve fondsen nu 35,1% van de marktkapitalisatie, vergeleken met 24,3% van de door mensen beheerde fondsen. Dit is een belangrijke verschuiving, maar waarom maakt het uit?
Op welke manieren zijn kwantitatieve fondsen een betere keuze voor vermogensbeheerders dan hun menselijke tegenhangers? De meest tastbare manier is via de lage beheerskosten die worden geboden door kwantitatieve fondsen, die niet kunnen worden geëvenaard door door mensen beheerde actieve fondsen. Efficiëntie op kosten is een van de redenen waarom we Vanguard – de uitvinder van het indexfonds – door de decennia heen zien stijgen om de rand te bereiken om de grootste vermogensbeheerder ter wereld te worden. Vergoedingen zijn essentieel in fondsen omdat ze na verloop van tijd een aanzienlijke kostenlast voor de belegger vormen en omdat - in de context van het meten van prestaties - hoe hoger de vergoedingen, hoe hoger de prestaties de benchmark moeten overtreffen om ze te rechtvaardigen. Met name hedgefondsen kunnen beleggers belasten met vergoedingen tot 20%, maar ze hebben het de afgelopen tien jaar ondermaats gepresteerd.
Een ander voordeel van kwantitatieve fondsen is hun vermogen om inzichten te verkrijgen door grote hoeveelheden gegevens in realtime te analyseren. Dit hoeft niet per se een voordeel te zijn voor toekomstige evenementen, zoals opgemerkt door de gerenommeerde fondsbeheerder Ray Dalio:
"Als iemand ontdekt wat jij hebt ontdekt, is het niet alleen waardeloos, maar wordt het ook te duur geprijsd en zal het verliezen veroorzaken. Er is geen garantie dat strategieën die eerder werkten, weer zullen werken”, zegt hij. Een machine learning-strategie die geen gebruik maakt van menselijke logica, zal "uiteindelijk ontploffen als het niet gepaard gaat met diepgaand begrip."
Kwantumfondsen kunnen ook sneller investeringsbeslissingen nemen dan menselijke managers. Ze kunnen dus sneller bestellingen plaatsen en de winsten uit nauwe prijsverschillen effectiever benutten. Ze kunnen veel effectiever zijn in het implementeren van handelsstrategieën dan menselijke managers vanwege hun neutrale vooringenomenheid en het tenietdoen van het risico op 'fat-finger'-fouten.
En wat zijn de nadelen van kwantitatieve fondsen? Een negatief punt is dat met het toegenomen gebruik van kunstmatige intelligentie, verschillende kwantitatieve fondsen onvermijdelijk samen dezelfde beslissingen gaan nemen, wat besmettingsproblemen voor financiële markten zou kunnen veroorzaken. Een belangrijk voordeel van door mensen aangestuurd fondsbeheer is het vermogen om idiosyncratische kenmerken van een markt te detecteren en beslissingen te nemen op basis van kwalitatieve gegevens. Quantfondsen kunnen niet op hun duimen zuigen en kunnen als zodanig bijdragen aan verhoogde volatiliteit tijdens perioden van marktstress.
De systematische objectiviteit van kwantitatieve handel roept de vraag op hoe kwantitatieve fondsen differentiatie van elkaar creëren. Hoe krijgt een kwantitatief fonds een concurrentievoordeel ten opzichte van een rivaal? Menselijke managers verdienen hun sporen door een beter begrip van de grondbeginselen te tonen, of door superieure intuïtie, beide factoren ontwikkeld door jaren van leren en objectief bewezen door middel van alfa.
Op kunstmatige intelligentie gebaseerde fondsen zijn gebaseerd op het analyseren van grote hoeveelheden gegevens in realtime en het afleiden van inzichten en daaropvolgende investeringsbeslissingen. Dit introduceert nieuwe variabelen in rangschikkingscriteria, zoals welk fonds de snelste rekenkracht heeft, of petabytes aan datatoegang. De stercodeerder kan de sterhandelaar vervangen omdat fondsen een concurrentievoordeel behalen door een superieure machine learning-regel te hebben die is geschreven door gegevenswetenschappers op de achtergrond.
De zoektocht van algoritmische fondsen voor hoogfrequente handel (HFT) om concurrentievoordeel te behalen door snellere handel, heeft ertoe geleid dat sommigen van hen hun eigen particuliere glasvezel- of microgolfnetwerken hebben gecreëerd om verbinding te maken met beurzen. De theorie is dat het leggen van de meest perfecte, rechte kabellijn zal resulteren in de meest ultieme latente efficiëntie voor het verzenden van bestellingen naar de beurs, waardoor de eigenaar in een voordeelpositie komt ten opzichte van concurrenten die openbare nutsbedrijven gebruiken.
Slechts een paar milliseconden kunnen het voordeel meten dat wordt behaald door het bezit van een particulier glasvezelnetwerk. Maar deze paar milliseconden kunnen leiden tot verschillen van miljoenen of miljarden dollars winst voor HFT-bedrijven die duizenden orders uitvoeren tijdens een handelssessie. In zijn boek Flash Boys , beschrijft auteur Michael Lewis de mate waarin sommige handelaren de marginale winsten van een particuliere glasvezellijn tussen de beurzen van Chicago en New York gingen realiseren. De NASDAQ-beurs in New York heeft de snelste uitvoeringstijd van 's werelds grootste beurzen, wat de hoge inzet aantoont voor oordeelkundige handelaren die elk voordeel willen behalen door als eerste in de rij te zijn.
Toch zijn particuliere glasvezelnetwerken duur om te bouwen. Ze vergen aanzienlijke initiële investeringen en kunnen worden gehinderd door fysieke barrières zoals bergen. Magnetronnetwerken dienen echter hetzelfde doel, maar met het voordeel van hogere snelheden en minder geografische belemmeringen vanwege hun transmissie via de lucht. In sommige markten hebben HFT's al strijdlijnen getrokken in biedingen om de meest optimale microgolfnetwerken te bezitten.
Sommige HFT's hebben zelfs co-locatie geprobeerd, wat verwijst naar het plaatsen van hun handelssoftware in systemen binnen de beurzen waarop ze handelen. Dit is in sommige opzichten het eindspel voor de timingstrijd om orders naar een uitwisseling te krijgen. Veel beurzen bieden nu co-locatiediensten aan, waarbij kosten in rekening worden gebracht voor het verstrekken van ruimte aan handelaren om hun systemen dichter bij het systeem van de beurs te plaatsen. Maar op de lange termijn zal de legaliteit van deze co-locatiediensten waarschijnlijk op de proef worden gesteld, wat ethische vragen oproept op een vergelijkbare manier als het debat over netneutraliteit. Aandelenmarkten zijn in wezen marktmakers of marktplaatsen die kopers en verkopers zonder vooroordelen bij elkaar brengen. Een gelaagd systeem van voordelige toegang verbreekt deze relatie, wat een zorgwekkende hachelijke situatie is.
Zelfs als een HFT heeft geprobeerd zich te wapenen met alle mogelijke voordelen, is er geen garantie dat het altijd zal werken. De zaak van Knight Capital zal hier altijd als herinnering aan dienen. Knight was een van de eerste HFT's die op de markt kwam, maar in 2012 werkte de algoritmische software niet goed, en er werden verkeerde transacties gedaan voor een bedrag van $ 7 miljard in een periode van slechts een uur. Het corrigeren van deze foutieve transacties kostte het bedrijf bijna een half miljard dollar en leidde er uiteindelijk toe dat het fonds moest liquideren en sluiten.
Dat brengt ons ook bij de kwestie van persoonlijk vermogensbeheer. Op maatschappelijk niveau zou dit het belangrijkste gebied kunnen zijn om naar te kijken, omdat een groot deel van de investeringen die naar aandelenfondsen gaan, gepoolde kapitaalinvesteringen zijn van individuele burgers (bijvoorbeeld pensioenen).
Robo-adviseurs zijn softwaregedreven beleggingsadviseurs die klanten leiden op basis van algoritmen. Ze zijn de afgelopen tien jaar geleidelijk aan op de voorgrond gekomen. Het is zowel belofte als gevaar om menselijke besluitvorming uit financieel advies te halen. Aan de ene kant is er de kans om grote delen van de bevolking kennis te laten maken met institutionele concepten van financiële planning en de opbouw van investeringsportefeuilles. Maar aan de andere kant zijn sommige van de besluitvormingspijlers van robo-advies nogal willekeurig (d.w.z. bezit meer obligaties naarmate je ouder wordt) en - hoewel haalbaar "correct" in de zin van het leerboek - kan er geen rekening mee worden gehouden de individuele omstandigheden van de belegger. Het gebruik van kunstmatige intelligentie zal robo-adviseurs verder in staat stellen hun toewijzingsbeslissingen te verfijnen op basis van hun eigen lessen.
Is dit een alarmbel voor de human wealth manager? Zal het de manier waarop vermogensbeheer wordt gedaan aanzienlijk veranderen bij banken en andere financiële instellingen die vermogensbeheerdiensten aanbieden? Als het om geld en investeringen gaat, is alles overlaten aan software en technologie een risico dat maar weinigen zullen nemen. Uiteindelijk heeft software, zelfs als het AI-componenten heeft, regels nodig om te functioneren; en deze regels kunnen alleen door mensen worden gemaakt. Robo-adviseurs kunnen het proces van vermogensbeheer sneller en efficiënter maken. Maar misschien is de echte winnaar in deze strijd de instelling die erin slaagt de voordelen van de samenwerking tussen mens en machine te benutten.
De menselijke kant van geld
Vermogensbeheer versus financieel advies:ze zijn niet hetzelfde
Hoe beschermen we de volgende generatie tegen het opblazen van ons geld?
Navigeer door het universum van ETF's
De waarheid over indexfondsen
Is de HMRC op een visexpeditie?
Net begonnen met beleggen in beleggingsfondsen? Dit zijn de volgende stappen!