Mens en tradisjonell investor leser regnskaper og prøver å forstå visjonen til ledelsen i et selskap, bryr en kvantitativ investor (en "quant") seg utelukkende om tall. De bygger avanserte dataprogrammer som tygger seg gjennom enorme mengder data for å finne mønstre som det menneskelige øyet rett og slett ikke kan se.
"Når du fjerner all frykt og all tvil, er veien klar for at mirakler kan skje."
— Florence Scovel Shinn
Kvantitativ investering handler nettopp om å fjerne menneskelige følelser som frykt, grådighet og tvil fra ligningen. Når en datamaskin tar beslutningene basert på ren matematikk og statistikk, elimineres de psykologiske feilene vi mennesker så ofte gjør på børsen.
Hvordan fungerer det?
En kvantitativ strategi starter alltid med en hypotese, for eksempel: "Selskaper som har falt i pris tre dager på rad, men som har høyt utbytte, pleier å stige den fjerde dagen". Datamaskinen tester deretter denne regelen mot flere tiår med historiske børsdata for å se om den faktisk fungerer (dette kalles backtesting). Hvis modellen viser seg å være lønnsom, settes roboten til å handle automatisk i dagens marked.
Robotene styrer børsen: I dag er bildet av stressede aksjemeglere som roper til hverandre på børsgulvet, for lengst byttet ut med stille serverparker. Det anslås at godt over 70 prosent av all aksjehandel i USA nå utføres av datamaskiner og algoritmer.
Fordeler og ulemper
Fordeler
- Eliminerer menneskelige følelser og psykologiske feilvurderinger.
- Datamaskiner kan analysere tusenvis av aksjer over hele verden i løpet av brøkdeler av et sekund.
- Man kan teste ut nøyaktig hvordan strategien ville ha prestert under tidligere finanskriser før man risikerer ekte penger.
Ulemper
- Historisk avkastning er ingen garanti for fremtiden. En modell som fungerte på 90-tallet, kan tape mye penger i dag.
- Krever enorm kunnskap innen matematikk, statistikk og programmering for å utvikle fra bunnen av.
- Hvis noe helt uforutsett skjer i verden (noe som ikke ligger i datagrunnlaget), kan algoritmene ta katastrofalt feil.