Hva er en quant? – Forklaring for norske investorer

Hva er quant?

En quant – forkortelse for kvantitativ analytiker eller kvantitativ investor – er en person eller et datasystem som anvender matematiske modeller, statistikk og store mengder data for å ta investeringsbeslutninger. I motsetning til tradisjonelle investorer som stoler på fundamental analyse (regnskap, ledelse, bransje) eller teknisk analyse (diagrammer, mønstre), baserer en quant seg på objektive tall og algoritmer. Målet er å finne repeterbare mønstre i markedene som kan utnyttes til å generere meravkastning (alfa) eller redusere risiko.

I praksis kan en quant være en person med utdannelse innen matematikk, statistikk, fysikk eller datavitenskap som jobber i et hedgefond, en bank eller et forvaltningsselskap. Men begrepet brukes også om selve den kvantitative tilnærmingen – for eksempel når man sier at et fond «kjører en quant-strategi». I Norge har flere aktører, som Storebrand og KLP, avdelinger som benytter kvantitative metoder for å forvalte store pensjonsmidler.

Det er viktig å skille mellom en quant og en algoritmisk trader. Mens algoritmisk handel ofte handler om å automatisere utførelsen av ordrer, handler quant om å utvikle selve investeringsstrategien – hvilke aksjer som skal kjøpes og selges, og når. Mange quant-strategier er langsiktige og kan ha en holdeperiode på flere måneder.

Forstå quant

For å forstå hva en quant gjør, må man se på forskjellen mellom kvantitativ og kvalitativ tilnærming. En fundamental investor leser årsrapporter, snakker med ledelsen og vurderer fremtidsutsikter. En quant derimot henter inn historiske kursdata, volum, makrotall og andre strukturerte data, og bruker statistiske verktøy for å avdekke sammenhenger. For eksempel kan en quant finne at aksjer med lav pris i forhold til bokført verdi (verdifaktor) historisk har gitt bedre avkastning enn markedet – og deretter bygge en modell som vekter slike faktorer.

Kvantitative investorer jobber ofte i team med utviklere og forskere. De bygger modeller i programmeringsspråk som Python, R eller C++, og tester strategiene grundig på historiske data (backtesting). En god backtest tar hensyn til transaksjonskostnader, likviditet og overlevelsesbias. Først når modellen viser robuste resultater over flere markedsregimer, tas den i bruk med ekte penger.

En sentral del av quant-tenkning er risikostyring. I stedet for å satse på én enkelt aksje, bygger man ofte porteføljer med mange posisjoner som er optimalisert for å maksimere forventet avkastning per enhet risiko. Dette bygger på Harry Markowitz' moderne porteføljeteori fra 1952, som viste at diversifisering kan redusere risiko uten å ofre avkastning – et av de første eksemplene på kvantitativ finans.

Hvordan fungerer quant?

Arbeidsflyten til en quant kan deles inn i fire steg: datainnsamling, modellbygging, testing og implementering.

1. Datainnsamling: Quants samler inn store mengder data – ikke bare kurs og volum, men også alternative data som satellittbilder, nettsøk, kredittkorttransaksjoner eller stemningsanalyser fra sosiale medier. I Norge kan en quant for eksempel hente inn værdata for å forutsi strømpriser, og deretter handle aksjer i kraftsektoren som Statkraft.

2. Modellbygging: Ved hjelp av statistiske metoder som regresjon, tidsserieanalyse eller maskinlæring identifiserer man faktorer som har prediktiv kraft. En enkel modell kan være en «mean reversion»-strategi: hvis en aksje faller mer enn to standardavvik fra sitt 20-dagers gjennomsnitt, kjøper man i forventning om at den vil stige tilbake. En mer avansert modell kan bruke nevrale nettverk for å forutsi kortsiktige kursbevegelser.

3. Testing: Modellen testes på historiske data som ikke er brukt i byggefasen (out-of-sample). Man måler Sharpe-ratio, maksimalt tap (drawdown) og korrelasjon med markedet. Overfitting – at modellen passer for godt til støy i historien – er en stor fallgruve. Derfor bruker quants kryssvalidering og enkelhet som prinsipp.

4. Implementering: Når modellen er godkjent, settes den i produksjon. Dette innebærer ofte automatisk ordrelegging via API-er til meglerhus. Systemet overvåkes kontinuerlig, og modellen justeres eller skrotes hvis ytelsen faller under en grense.

Historisk bakgrunn

Røttene til kvantitativ finans går tilbake til 1950-tallet, da Harry Markowitz publiserte sin artikkel om porteføljevalg (1952). Han viste matematisk hvordan investorer kunne minimere risiko for en gitt avkastning ved å kombinere aktiver med lav korrelasjon. Dette la grunnlaget for all moderne porteføljeforvaltning.

På 1970-tallet kom Black-Scholes-modellen for opsjonsprising (1973), som ga en matematisk formel for å verdsette derivater. Dette åpnet for en hel industri av kvantitative hedgefond. I 1980- og 1990-årene ble datakraften billigere, og selskaper som Renaissance Technologies (grunnlagt 1982) og D.E. Shaw begynte å bruke avanserte algoritmer for å handle. Renaissance sitt Medallion-fond er legendarisk med en gjennomsnittlig årlig avkastning på over 30 % før gebyrer.

I Norge har kvantitative metoder vokst frem særlig etter 2000. Store norske pensjonskasser som KLP og Statens pensjonsfond utland (Oljefondet) benytter kvantitative modeller for risikostyring og faktorinvestering. Flere norske forvaltningsmiljøer, for eksempel Delphi og Odin, har også ansatt quants for å forbedre sine investeringsprosesser. Finanstilsynet har samtidig satt søkelys på modellrisiko og krever at kvantitative strategier blir grundig dokumentert.

Praktisk eksempel

La oss se på et tenkt norsk eksempel. En quant utvikler en enkel momentum-strategi for aksjer på Oslo Børs. Modellen ser slik ut: Hver måned rangeres aksjene i OBX-indeksen (de 25 mest omsatte) etter avkastning siste 12 måneder (unntatt siste måned). De 5 aksjene med høyest momentum kjøpes, og de 5 med lavest momentum shorts selges (eller unngås). Porteføljen rebalanseres månedlig.

Ved backtesting fra 2010 til 2023 finner quanten at strategien gir en gjennomsnittlig årlig avkastning på 14 % mot OBX-indeksens 9 %, med en Sharpe-ratio på 0,8. Transaksjonskostnadene er anslått til 0,2 % per måned. Tabellen under viser et utdrag av resultatene:

Fordeler og ulemper

Fordeler:

• Systematikk og disiplin: Quants fjerner følelser som frykt og grådighet. Beslutninger tas konsekvent basert på data.
• Skalerbarhet: En modell kan analysere tusenvis av aksjer på sekunder, noe et menneske ikke kan.
• Risikostyring: Kvantitative porteføljer kan optimaliseres matematisk for å balansere risiko og avkastning.
• Innovasjon: Tilgang til alternative data og maskinlæring kan avdekke mønstre som tradisjonelle metoder overser.

Ulemper:

• Modellrisiko: En modell kan være feilspesifisert eller basert på falske korrelasjoner. Overfitting er en konstant trussel.
• Høye kostnader: Datainnkjøp, infrastruktur og lønn til dyktige quants er dyrt. Små investorer har vanskelig for å konkurrere.
• Markedspåvirkning: Store quant-fond kan påvirke prisene når de handler, noe som reduserer strategiens effektivitet.
• Svikt i ekstreme situasjoner: Under finanskrisen 2008 og «flash crash» i 2010 mistet mange quant-strategier store verdier fordi modellene ikke var designet for slike forhold.

Vanlige misforståelser

Mange tror at en quant alltid tjener penger. Det er feil – selv de beste kvantitative hedgefondene har perioder med tap. Medallion-fondet er unntaket, men det er stengt for eksterne investorer. De fleste quant-strategier gir meravkastning på lang sikt, men kan oppleve lange perioder med underprestasjon.

En annen misforståelse er at quant er det samme som high-frequency trading (HFT). HFT er en undergruppe av kvantitativ handel som fokuserer på ekstremt raske ordreutførelser, ofte i mikrosekunder. De fleste quants jobber med strategier som holder posisjoner i dager, uker eller måneder – ikke sekunder.

Noen tror også at kvantitative metoder er en «svart boks» som ingen forstår. Selv om modellene kan være komplekse, er prinsippene ofte forankret i grunnleggende statistikk og økonomisk teori. Gode quants dokumenterer og validerer modellene sine grundig. Det er heller ikke slik at quant erstatter menneskelig dømmekraft – mange kvantitative fond har porteføljeforvaltere som overvåker systemene og kan gripe inn ved uventede hendelser.

Oppsummering

Quant er en betegnelse på en person eller et system som bruker matematikk, statistikk og store datamengder for å ta investeringsbeslutninger. Metoden har røtter tilbake til Markowitz og Black-Scholes, og har vokst eksplosivt med datakraftens utvikling. I Norge brukes kvantitative strategier av alt fra store pensjonskasser til spesialiserte fond.

Fordelene er systematikk, skalerbarhet og bedre risikostyring, men ulempene inkluderer modellrisiko, høye kostnader og sårbarhet for ekstreme markedshendelser. For vanlige investorer kan det være vanskelig å kopiere de mest avanserte quant-strategiene, men enkle faktormodeller og robotrådgivere gir en innfallsport. Det viktigste er å forstå at kvantitative metoder ikke er en magisk oppskrift, men et verktøy som må brukes med forsiktighet og kontinuerlig overvåking.