El análisis cuantitativo es el uso de métodos matemáticos y estadísticos en la gestión de finanzas y inversiones . Quienes trabajan en este campo son analistas cuantitativos ( quants ). Los Quants tienden a especializarse en áreas específicas que pueden incluir estructuración o fijación de precios de derivados , gestión de riesgos , gestión de inversiones y otras ocupaciones financieras relacionadas. La ocupación es similar a la de matemáticas industriales en otras industrias. [1] El proceso generalmente consiste en buscar patrones en vastas bases de datos, como correlaciones entre activos líquidos o patrones de movimiento de precios ( seguimiento de tendencia o reversión a la media ).
Aunque los analistas cuantitativos originales eran " cuantitativos del lado vendedor " de empresas creadores de mercado, preocupados por la fijación de precios de derivados y la gestión de riesgos, el significado del término se ha ampliado con el tiempo para incluir a aquellos individuos involucrados en casi cualquier aplicación de las finanzas matemáticas, incluido el lado comprador. . [2] El análisis cuantitativo aplicado se asocia comúnmente con la gestión de inversiones cuantitativa , que incluye una variedad de métodos como el arbitraje estadístico , el comercio algorítmico y el comercio electrónico.
Algunos de los administradores de inversiones más importantes que utilizan análisis cuantitativo incluyen Renaissance Technologies , DE Shaw & Co. y AQR Capital Management . [3]
Las finanzas cuantitativas comenzaron en 1900 con la tesis doctoral de Louis Bachelier "Teoría de la especulación", que proporcionó un modelo para valorar opciones bajo una distribución normal . La tesis doctoral de Harry Markowitz de 1952 "Portfolio Selection" y su versión publicada fue uno de los primeros esfuerzos en las revistas de economía para adaptar formalmente los conceptos matemáticos a las finanzas (hasta entonces las matemáticas estaban limitadas a las revistas de economía especializadas). [4] Markowitz formalizó una noción de rendimiento medio y covarianzas para acciones ordinarias que le permitió cuantificar el concepto de "diversificación" en un mercado. Mostró cómo calcular el rendimiento medio y la varianza de una cartera determinada y argumentó que los inversores deberían mantener sólo aquellas carteras cuya varianza sea mínima entre todas las carteras con un rendimiento medio determinado. Aunque el lenguaje de las finanzas ahora implica el cálculo de Itô , la gestión del riesgo de manera cuantificable subyace en gran parte de la teoría moderna.
La gestión de inversiones cuantitativa moderna se introdujo por primera vez a partir de la investigación de Edward Thorp , profesor de matemáticas en la Universidad Estatal de Nuevo México (1961-1965) y la Universidad de California, Irvine (1965-1977). [5] Considerado el "padre de la inversión cuantitativa", [5] Thorp buscó predecir y simular el blackjack , un juego de cartas que jugaba en los casinos de Las Vegas. [6] Pudo crear un sistema, conocido ampliamente como conteo de cartas , que utilizaba la teoría de la probabilidad y el análisis estadístico para ganar con éxito juegos de blackjack. [6] Su investigación fue utilizada posteriormente durante las décadas de 1980 y 1990 por empresas de gestión de inversiones que buscaban generar rendimientos sistemáticos y consistentes en el mercado de valores de Estados Unidos. [6] El campo ha crecido hasta incorporar numerosos enfoques y técnicas; ver Esquema de las finanzas § Inversión cuantitativa , Teoría de cartera posmoderna , Economía financiera § Teoría de cartera .
En 1965 Paul Samuelson introdujo el cálculo estocástico en el estudio de las finanzas. [7] [8] En 1969 , Robert Merton promovió el cálculo estocástico continuo y los procesos de tiempo continuo . Merton estaba motivado por el deseo de comprender cómo se fijan los precios en los mercados financieros, que es la cuestión del "equilibrio" en la economía clásica, y en artículos posteriores utilizó la maquinaria del cálculo estocástico para comenzar la investigación de esta cuestión. Al mismo tiempo que el trabajo de Merton y con la ayuda de Merton, Fischer Black y Myron Scholes desarrollaron el modelo Black-Scholes , que recibió el Premio Nobel de Ciencias Económicas en 1997 . Proporcionó una solución a un problema práctico: encontrar un precio justo para una opción de compra europea , es decir, el derecho a comprar una acción determinada a un precio y en un momento determinados. Los inversores suelen adquirir estas opciones como mecanismo de cobertura de riesgos.
En 1981, Harrison y Pliska utilizaron la teoría general de los procesos estocásticos de tiempo continuo para darle al modelo Black-Scholes una base teórica sólida y mostraron cómo fijar el precio de muchos otros valores derivados. [9] Los diversos modelos de tipos de interés a corto (comenzando con Vasicek en 1977), y el marco más general HJM (1987), permitieron en forma relacionada una extensión a los derivados de renta fija y de tipos de interés . De manera similar, y en paralelo, se desarrollaron modelos para otros fundamentos y aplicaciones, incluidos derivados de crédito , derivados exóticos , opciones reales y opciones sobre acciones para empleados . Por lo tanto, los Quants participan en la fijación de precios y la cobertura de una amplia gama de valores ( respaldados por activos , gubernamentales y corporativos ) además de los derivados clásicos; ver análisis de reclamaciones contingentes . El libro de Emanuel Derman de 2004 My Life as a Quant ayudó a dar a conocer mejor el papel de un analista cuantitativo fuera de las finanzas y a popularizar la abreviatura "quant" para analista cuantitativo. [10]
Después de la crisis financiera de 2007-2008 , se incorporaron consideraciones sobre el riesgo crediticio de contraparte al modelado, anteriormente realizado en un mundo completamente " neutral al riesgo ", lo que implica tres desarrollos importantes; ver Valoración de opciones § Después de la crisis : (i) El precio de las opciones y la cobertura son inherentes a la superficie de volatilidad relevante (hasta cierto punto, los precios de las opciones sobre acciones han incorporado la sonrisa de la volatilidad desde la crisis de 1987 ) y luego los bancos aplican operaciones locales "conscientes de la superficie" o modelos de volatilidad estocástica ; (ii) El valor neutral al riesgo se ajusta por el impacto del riesgo crediticio de la contraparte mediante un ajuste de valoración crediticia , o CVA, así como varios de los otros XVA ; (iii) Para el descuento, la curva OIS se utiliza para la "tasa libre de riesgo", a diferencia de la LIBOR como antes y, en relación con esto, los cuantos deben modelarse bajo un " marco de curvas múltiples " ( la LIBOR se está eliminando gradualmente , con reemplazos). incluidos SOFR y TONAR , lo que requiere cambios técnicos en este último marco, mientras que la lógica subyacente no se ve afectada).
Los analistas cuantitativos a menudo provienen de matemáticas financieras , ingeniería financiera , matemáticas aplicadas , física o ingeniería , y el análisis cuantitativo es una fuente importante de empleo para personas con maestrías en matemáticas financieras o con doctorados en matemáticas y física .
Por lo general, un analista cuantitativo también necesitará amplias habilidades en programación de computadoras, más comúnmente C , C++ , Java , R , MATLAB , Mathematica y Python . Los métodos de modelado y análisis de ciencia de datos y aprendizaje automático se emplean cada vez más en el desempeño de la cartera y el modelado de riesgos de la cartera, [11] [12] y, como tal, los graduados de maestría en ciencia de datos y aprendizaje automático también son contratados como analistas cuantitativos.
Esta demanda de analistas cuantitativos ha llevado a la creación de cursos especializados de maestría y doctorado en ingeniería financiera, finanzas matemáticas, finanzas computacionales y/o reaseguros financieros . En particular, las maestrías en finanzas matemáticas, ingeniería financiera, investigación de operaciones , estadística computacional , matemáticas aplicadas , aprendizaje automático y análisis financiero se están volviendo más populares entre los estudiantes y los empleadores. Consulte Maestría en Finanzas Cuantitativas para una discusión general.
Paralelamente, esto ha provocado un resurgimiento de la demanda de cualificaciones actuariales , así como de certificaciones comerciales como el CQF . La Maestría en Finanzas (y la Maestría en Economía Financiera ) más general incluye cada vez más un componente técnico importante.
En ventas y comercio , los analistas cuantitativos trabajan para determinar precios, gestionar riesgos e identificar oportunidades rentables. Históricamente, esta era una actividad distinta del comercio , pero la frontera entre un analista cuantitativo de escritorio y un comerciante cuantitativo es cada vez más borrosa, y ahora es difícil ingresar al comercio como profesión sin al menos cierta educación en análisis cuantitativo.
El trabajo de front office favorece una mayor relación velocidad-calidad, con un mayor énfasis en soluciones a problemas específicos que en el modelado detallado. Los FOQ suelen estar significativamente mejor pagados que los de back office, riesgo y validación de modelos. Aunque son analistas altamente capacitados, los FOQ con frecuencia carecen de experiencia en ingeniería de software o capacitación formal y, limitados por limitaciones de tiempo y presiones comerciales, a menudo se adoptan soluciones tácticas.
Cada vez más, los cuantos se adjuntan a escritorios específicos. Dos casos son: los especialistas de XVA , responsables de gestionar el riesgo de contraparte así como (minimizar) los requisitos de capital según Basilea III ; y estructuradores , encargados del diseño y fabricación de soluciones específicas para el cliente.
Los gestores de activos utilizan ampliamente el análisis cuantitativo . Algunos, como FQ, AQR o Barclays, se basan casi exclusivamente en estrategias cuantitativas, mientras que otros, como PIMCO, Blackrock o Citadel utilizan una combinación de métodos cuantitativos y fundamentales .
Uno de los primeros fondos de inversión cuantitativos que se lanzó tuvo su sede en Santa Fe, Nuevo México y comenzó a cotizar en 1991 con el nombre de Prediction Company . [6] [13] A finales de la década de 1990, Prediction Company comenzó a utilizar el arbitraje estadístico para asegurar el rendimiento de las inversiones, junto con otros tres fondos en ese momento, Renaissance Technologies y DE Shaw & Co , ambos con sede en Nueva York. [6] Prediction contrató a científicos y programadores informáticos del vecino Laboratorio Nacional de Los Álamos para crear modelos estadísticos sofisticados utilizando "computadoras de potencia industrial" con el fin de "[construir] el Supercolisionador de las Finanzas". [14] [15]
Los modelos de aprendizaje automático ahora son capaces de identificar patrones complejos en los datos del mercado financiero. Con la ayuda de la inteligencia artificial, los inversores recurren cada vez más a técnicas de aprendizaje profundo para pronosticar y analizar las tendencias de los mercados de valores y de divisas. [16] Ver Aplicaciones de la inteligencia artificial § Comercio e inversión .
Las grandes empresas invierten grandes sumas de dinero en un intento de producir métodos estándar para evaluar precios y riesgos. Se diferencian de las herramientas de front office en que Excel es muy poco común, y la mayor parte del desarrollo se realiza en C++ , aunque Java , C# y Python a veces se utilizan en tareas críticas que no son de rendimiento. Los LQ dedican más tiempo a modelar para garantizar que los análisis sean eficientes y correctos, aunque existe tensión entre los LQ y los FOQ sobre la validez de sus resultados. Los LQ deben comprender técnicas como los métodos de Monte Carlo y los métodos de diferencias finitas , así como la naturaleza de los productos que se modelan.
Los ATQ, que suelen ser la forma de Quant mejor pagada, utilizan métodos tomados del procesamiento de señales , la teoría de juegos , el criterio de Kelly de los juegos de azar , la microestructura del mercado , la econometría y el análisis de series de tiempo .
Esta área ha ganado importancia en los últimos años, a medida que la crisis crediticia expuso fallas en los mecanismos utilizados para asegurar que las posiciones estuvieran correctamente cubiertas ; ver FRTB , Riesgo de cola § Papel de la crisis financiera global (2007-2008) . Una técnica central sigue siendo el valor en riesgo (aplicando tanto el enfoque paramétrico como el "histórico" , así como el valor en riesgo condicional y la teoría del valor extremo ), mientras que esto se complementa con diversas formas de pruebas de estrés , metodologías de déficit esperado y análisis de capital económico. , análisis directo de las posiciones a nivel de mesa y, como se muestra a continuación, evaluación de los modelos utilizados por las distintas divisiones del banco.
Después de la crisis financiera [2008] , surgió el reconocimiento de que los métodos de valoración cuantitativa eran generalmente demasiado estrechos en su enfoque. Una solución acordada adoptada por numerosas instituciones financieras ha sido mejorar la colaboración.
La validación de modelos (MV) toma los modelos y métodos desarrollados por la oficina principal, la biblioteca y los analistas cuantitativos de modelado y determina su validez y corrección; ver modelo de riesgo . El grupo MV bien podría verse como un superconjunto de operaciones cuantitativas en una institución financiera, ya que debe lidiar con modelos y técnicas comerciales nuevos y avanzados de toda la empresa.
Después de la crisis, los reguladores ahora suelen hablar directamente con los cuantitativos de la oficina central, como los validadores de modelos, y dado que las ganancias dependen en gran medida de la infraestructura regulatoria, la validación de modelos ha ganado peso e importancia con respecto a los cuantitativos de la oficina central.
Sin embargo, antes de la crisis, la estructura salarial en todas las empresas era tal que los grupos de MV tenían dificultades para atraer y retener al personal adecuado, y a menudo analistas cuantitativos talentosos se marchaban a la primera oportunidad. Esto afectó gravemente a la capacidad corporativa para gestionar el riesgo de modelo o para garantizar que las posiciones que se mantenían estuvieran valoradas correctamente. Un analista cuantitativo de MV normalmente ganaría una fracción de los analistas cuantitativos de otros grupos con una experiencia similar. En los años posteriores a la crisis, como ya hemos mencionado, esto ha cambiado.
Los desarrolladores cuantitativos, a veces llamados ingenieros de software cuantitativos o ingenieros cuantitativos, son especialistas en informática que ayudan, implementan y mantienen los modelos cuantitativos. Suelen ser técnicos en idiomas altamente especializados que cierran la brecha entre los ingenieros de software y los analistas cuantitativos. El término también se utiliza a veces fuera de la industria financiera para referirse a quienes trabajan en la intersección de la ingeniería de software y la investigación cuantitativa .
Debido a su formación, los analistas cuantitativos se basan en diversas formas de matemáticas: estadística y probabilidad , cálculo centrado en ecuaciones diferenciales parciales , álgebra lineal , matemáticas discretas y econometría . Algunos del lado comprador pueden utilizar el aprendizaje automático . La mayoría de los analistas cuantitativos han recibido poca educación formal en economía convencional y, a menudo, aplican una mentalidad extraída de las ciencias físicas. Los cuantos utilizan habilidades matemáticas aprendidas en diversos campos como la informática, la física y la ingeniería. Estas habilidades incluyen (pero no se limitan a) estadística avanzada, álgebra lineal y ecuaciones diferenciales parciales, así como soluciones a estas basadas en análisis numérico .
Los métodos numéricos comúnmente utilizados son:
Un problema típico para un analista cuantitativo con orientación matemática sería desarrollar un modelo para fijar precios, cubrir y gestionar riesgos de un producto derivado complejo. Estos analistas cuantitativos tienden a confiar más en el análisis numérico que en la estadística y la econometría. Una de las principales herramientas matemáticas de las finanzas cuantitativas es el cálculo estocástico . La mentalidad, sin embargo, es preferir una respuesta deterministamente "correcta", ya que una vez que hay acuerdo sobre los valores de los insumos y la dinámica de las variables del mercado, sólo hay un precio correcto para cualquier valor determinado (lo cual puede demostrarse, aunque a menudo de manera ineficiente, mediante una gran volumen de simulaciones de Monte Carlo).
Un problema típico para un analista cuantitativo con orientación estadística sería desarrollar un modelo para decidir qué acciones son relativamente caras y cuáles son relativamente baratas. El modelo podría incluir la relación entre el valor contable y el precio de una empresa, su relación entre las ganancias y el precio y otros factores contables. Un administrador de inversiones podría implementar este análisis comprando acciones infravaloradas, vendiendo acciones sobrevaloradas o ambas. Los analistas cuantitativos orientados estadísticamente tienden a confiar más en las estadísticas y la econometría, y menos en técnicas numéricas sofisticadas y programación orientada a objetos. Estos analistas cuantitativos tienden a pertenecer a una psicología que disfruta tratando de encontrar el mejor enfoque para modelar datos y pueden aceptar que no existe una "respuesta correcta" hasta que haya pasado el tiempo y podamos ver retrospectivamente cómo funcionó el modelo. Ambos tipos de analistas cuantitativos exigen un sólido conocimiento de matemáticas sofisticadas y competencia en programación de computadoras.