چگونه آربیتراژ آماری می تواند منجر به سودآوری شود؟

“فرضیه بازار کارا” بیان می کند که بازارهای مالی “کارایی اطلاعاتی” دارند، یعنی قیمت دارایی های مورد معامله، منعکس کننده همه اطلاعات موثق در هر لحظه ای از زمان است. اما اگر این فرضیه درست باشد، پس چرا قیمت ها، برخلاف آنکه اطلاعات بنیادی جدیدی ارائه نمی شود، روز به روز تغییر می کنند؟!

پاسخ این پرسش، مرتبط با مفهومی است که معمولا توسط معامله گران حقیقی نادیده گرفته می شود و آن، مسئله “نقدشوندگی” است.

بسیاری از معاملات بزرگ نهادی که در طول روز انجام می شود، ربطی به اطلاعات ندارند و با نقدشوندگی سروکار دارند. سرمایه گذارانی که احساس می کنند در معرض ریسک زیادی قرار دارند، به سرعت به دنبال هج کردن یا نقد کردن موقعیت های معاملاتی خود خواهند رفت که نهایتا، این معاملات بر روی قیمت اثر می گذارند. این گروه از متقاضیان نقدشوندگی، معمولا برای خروج از موقعیت های معاملاتیشان حاضرند هزینه ای پرداخت کنند که همین امر منجر به سودآوری برای تامین کنندگان نقدشوندگی می شود.

چنین توانایی در کسب سود از اطلاعات، به نظر می رسد با فرضیه بازار کارا در تناقض باشد، اما مبنای آربیتراژ آماری را شکل می دهد!

هدف آربیتراژ آماری، سرمایه گذاری بر روی رابطه بین قیمت و نقدشوندگی است که بوسیله سود بردن از قیمت گذاری نادرست آماری بر مبنای ارزش مورد انتظار دارایی (که از یک مدل آماری به دست می آید) برای یک یا چند دارایی، حاصل می شود.

آربیتراژ آماری چیست؟

آربیتراژ آماری در دهه ۱۹۸۰ از سفارشاتی که Morgan Stanley برای عملیاتهای میز معاملات بلوکی سهام، به منظور پوشش ریسک، از آنها استفاده کرده بود، آغاز شد. Morgan Stanley توانست با خرید سهم هایی که همبستگی نزدیکی با سهام اصلی داشتند، به عنوان پوشش دهنده ریسک در برابر موقعیت معاملاتی، از جریمه های قیمتی به دلیل خریدهای بزرگ بلوکی اجتناب کند.

برای مثال، اگر شرکت، یک بلوک بزرگی از سهامی را خرید، باید برای پوشش ریسک در برابر روند نزولی بازار، یک موقعیت فروش برای سهامی که دارای همبستگی نزدیک با آن سهام بلوکی را دارد، باز می کرد. این کار، به طور موثری، ریسک بازار را حذف کرد، در حالی که شرکت صرفا به دنبال انجام معامله بر روی سهام خریداری شده به صورت بلوکی بود.

طولی نکشید که معامله گرانی، به این “جفت معاملاتی” نه به عنوان یک معامله بلوکی و پوشش دهنده آن، بلکه به عنوان دو طرف یک استراتژی معاملاتی که هدف آن کسب سود است و نه صرفا پوشش ریسک، نگاه کردند. این “معاملات دوتایی” در نهایت تبدیل به استراتژی های متنوعی شد که  هدف آنها منتفع شدن از تفاوت های آماری در قیمتهای اوراق بهادار به دلیل نقدشوندگی، نوسان، ریسک و یا عوامل دیگر است.

در اینجا ما این استراتژی ها را به عنوان آربیتراژ آماری ارائه می کنیم.

انواع آربیتراژ آماری

انواع گوناگونی از آربیتراژ آماری برای سود بردن از انواع مختلف فرصت های آربیتراژی وجود دارد. در حالی که بعضی از آنها به دلیل بازارهای کاراتر به تدریج در حال حذف شدن هستند، فرصت های آربیتراژی دیگری وجود دارند که در حال گسترش جایگاه خود می باشند.

  1. آربیتراژ ریسک (Risk Arbitrage)

آربیتراژ ریسک، نوعی آربیتراژ آماری است که به دنبال کسب سود از موقعیت های ادغام است.

سرمایه گذاران، سهام شرکت هدف را می خرند (اگر یک مبادله سهامی باشد) و به طور همزمان سهام شرکت قبضه کننده (acquirer)  را می فروشند. نتیجه اینست که سودی ناشی از تفاوت قیمت buyout با قیمت بازاری به دست می آید.

برخلاف آربیتراژ آماری مرسوم، آربیتراژ ریسک، شامل تحمل کمی ریسک می باشد. بزرگترین ریسک آنست که ادغام شکست بخورد و قیمت سهام شرکت هدف به قیمت قبل از ادغام سقوط کند. ریسک دیگر، در مورد ارزش زمانی پول سرمایه گذاری شده است. ادغام هایی که زمان زیادی را برای اجرا صرف می کنند، می توانند بازدهی سالانه سرمایه گذار را کاهش دهند.

کلید موفقیت در آربیتراژ ریسک، شناسایی احتمال ادغام و به­جابودن ادغام است و مقایسه آن با تفاوت قیمتی بین سهام هدف و پیشنهاد buyout می باشد.

بعضی از آربیتراژگران ریسک، شروع به سفته بازی بر روی سهام شرکت های هدف قبضه مالکیت کرده اند که این کار می تواند منجر به سودهای بیشتر و البته به همان نسبت ریسک های بیشتر شود.

  1. آربیتراژ نوسان (Volatility Arbitrage)

معروف ترین نوع آربیتراژ آماری، آربیتراژ نوسان است که تمرکز آن بر روی منتفع شدن از تفاوت بین نوسان ضمنی (implied volatility) یک قرارداد اختیار معامله و پیش بینی نوسان محقق شده در آینده، با در نظر گرفتن یک پورتفوی دلتاخنثی، است. در اصل، آربیتراژ گران نوسان، به جای سرمایه گذاری مستقیم بر روی قیمت سهم، بر روی نوسان دارایی پایه سفته­بازی می کنند.

کلید این استراتژی، پیش بینی دقیق نوسان آینده است که می تواند به  دلایل گوناگونی این پیش بینی محقق نشود که شامل موارد زیر است:

  • مناقشات مربوط به پتنت (patent)
  • نتایج آزمایش های بالینی (در مورد سهام شرکت های دارویی و بیوتکنولوژی)
  • درآمدهای نامطمئن
  • سفته بازی ادغام و تملیک

زمانی که آربیتراژگر، نوسان واقعی آینده را تخمین زده است، می تواند شروع به یافتن قراردادهای اختیار معامله ای کند که نوسان ضمنی کمتر یا بیشتری نسبت به نوسان پیش بینی شده دارایی پایه، داشته باشند. اگر نوسان ضمنی کمتر باشد، معامله گر می تواند اختیار معامله را بخرد و با دارایی پایه، پوشش ریسک دهد تا یک پورتفوی دلتا خنثی ساخته شود. به طور مشابه، اگر نوسان  ضمنی بیشتر بود، معامله گر می تواند اختیار معامله را بفروشد و با دارایی پایه، پوشش ریسک دهد تا یک پورتفوی دلتا خنثی ایجاد شود.

آنگاه معامله گر، زمانی که نوسان  محقق شده دارایی پایه به سمت پیش بینی وی حرکت کرد (به جای آنکه به سمت پیش بینی بازار یا همان نوسان  ضمنی حرکت کند) سود کسب خواهد کرد. سود معامله، از هج کردن دائمی برای حفظ پورتفوی دلتا خنثی، تحقق می یابد.

  1. شبکه های عصبی (Neural Networks)

در عرصه آربیتراژ آماری، شبکه های عصبی محبوبیت روبه رشدی دارند که دلیل آن، تواناییشان در کشف روابط پیچیده ریاضی است که معمولا برای چشم انسان قابل مشاهده نمی باشند.

این شبکه ها، مدلهای ریاضی و یا محاسباتی هستند که بر مبنای شبکه های عصبی بیولوژیکی می باشند و شامل  یک مجموعه نورون های مصنوعی به هم مرتبطند که اطلاعات را با استفاده از یک رویکرد “ارتباط­گرا” پردازش می کنند تا محاسبات، با استفاده از این اطلاعات، انجام شود. این بدین معنی است که آنها ساختارشان را براساس اطلاعات داخلی یا خارجی که در طی فاز یادگیری درون شبکه جریان دارند،  تغییر می دهند.

در اصل، شبکه های عصبی، مدلهای داده ای آماری غیرخطی هستند که برای مدل سازی روابط پیچیده بین ورودی ها و خروجی ها و کشف الگوها در داده ها مورد استفاده قرار می گیرند. مشخصا، هر الگویی که در حرکتهای قیمت اوراق بهادار باشد، می تواند برای کسب سود با استفاده از این شبکه ها، استخراج شود!

  1. معاملات پرتواتر (High Frequency Trading)

معاملات پرتواتر (HFT) یک پیشرفت نسبتا نوینی است که هدف آن سرمایه گذاری بر روی توانایی های کامپیوترها برای اجرای سریع معاملات می باشد.

در طول سال های زیادی، هزینه های زیادی در بخش معاملاتی انجام شده و در نتیجه، برنامه های زیادی وجود دارند که می توانند  هزاران معامله را در هر ثانیه اجرا کنند. امروزه که اکثر فرصتهای آربیتراژ آماری، به دلیل رقابت، محدود شده اند، توانایی اجرای سریع معاملات، تنها راه برای افزایش سودها است.

شبکه های عصبی پیچیده و مدلهای آماری، وقتی که با کامپیوترهایی ترکیب شوند که می توانند حجم زیادی از داده ها را پردازش کنند و معاملات را سریعتر اجرا کنند، کلید سودآوری در آینده برای آربیتراژگران خواهند بود!

چگونه آربیتراژ آماری بر بازار اثر می گذارد؟

آربیتراژ آماری، نقش حیاتی  در تامین نقدشوندگی روزانه در بازارها را ایفا می کند. آربیتراژ آماری به معامله گران بلوکی این امکان را می دهد که معاملات خود را روی تابلو معاملات قرار دهند، بدون آنکه تاثیر جدی بر روی قیمت های بازار بگذارندو در عین حال می تواند باعث کاهش نوسان در اوراقی مانند American depositary receipt (ADR) شود (به وسیله همبسته کردن بیشتر این اوراق با سهام پایه شان).

با این حال، آربیتراژ آماری مسبب چند مشکل قابل توجه شده است. سقوط Long Term Capital Management (LTCM) در سال ۱۹۹۸، اختلالاتی را در بازار ایجاد کرد. زیرا برای آنکه بتوان از چنین تغییرات کوچک قیمتی، سود به دست آورد، ایجاد اهرم های بزرگ ضروری است. به علاوه، به دلیل آنکه این معاملات، خودکار هستند، اقدامات امنیتی، درون سیستم تعبیه شده است. در مورد LTCM، این اقدامات، به این معنا بود که در صورت حرکت قیمت به سمت پایین، معامله باید نقد شود. مسئله از آنجا ناشی بود که سفارشات نقدسازی LTCM، تنها سفارشات فروش بیشتری را در یک حلقه وحشتناک اجرا می کرد که نهایتا با دخالت دولت پایان یافت.

به یاد داشته باشید، بیشتر شکستهای بازار ناشی از رویدادهایی هستند که نقدشوندگی و اهرم ها را در آن نقش دارند، دقیقا همان عرصه ای که آربیتراژگران آماری در آن فعالند!!

حرف آخر

آربیتراژ آماری یکی از تاثیرگذارترین استراتژی های معاملاتی است که تاکنون ساخته شده، با اینکه از دهه ۱۹۹۰ تا حدی از محبوبیتش کاسته شده است. امروزه، بیشتر آربیتراژهای آماری از طریق معاملات پرتواتر و با استفاده از ترکیبی از شبکه های عصبی و مدل های آماری انجام می شوند.

نه تنها این استراتژی ها موجب نقدشوندگی شده اند بلکه مسئول شکستهای بزرگی مانند آنچه در شرکتهایی مثل LTCM در گذشته دیده ایم، نیز هستند.

تا زمانی که موضوعات نقدشوندگی و اهرم در کنار هم مطرح باشند، احتمال ادامه ساخت استراتژی هایی که حتی برای سرمایه گذار عادی نیز ارزش آفرین باشد، وجود دارد.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *