איך השקעות הפקטור משנות את שוק ההון, ולמה הוא חייב ליישר קו?

פחות מנהלי השקעות, פחות אנליסטים, פחות סוחרים - ויותר מנתחי נתונים, מפתחים, אלגוריתמיקאים ומכונות, הרבה מכונות • עולם ההשקעות עובר שינוי עצום, שמתם לב?

השקעות הפקטור משנות את שוק ההון / צילום: Shutterstock, א.ס.א.פ קריאייטיב
השקעות הפקטור משנות את שוק ההון / צילום: Shutterstock, א.ס.א.פ קריאייטיב

התפתחות כוח המחשוב ודמוקרטיזציה של נתונים שהביאו עמם האינטרנט, חוות האכסון ושירותי הענן לנתונים, הגיעו גם לעולם ההשקעות. מודלים שנכתבו לעתים 20-30 שנה קודם לכן, ונבדקו בעיקר באקדמיה, מיושמים כבר מזמן על תיקי ההשקעות שלנו.

כמו בהרבה מאוד תעשיות, היישום של אותם מודלים ותיאוריות היה רק עניין של יכולת ההתפתחות הטכנולוגית. כך לדוגמה, סיפרו לנו היזמים של מובילאיי, שפיתחה טכנולוגיה לרכב אוטונומי, איך החליטו להקים חברה שתיישם טכנולוגיות שהם לימדו במשך יותר מ-20 שנה באוניברסיטה.

יישום המודלים: השלב הראשון במהפכה

אחת המהפכות המשמעותיות שהתפתחו לממדי ענק בעולם ההשקעות, היא השקעת פקטור (Factor Investing) - השקעה על פי מודלים המבוססים על פרמטרים להשקעה הנבחנים באמצעים טכנולוגיים. הרעיון הבסיסי פשוט והגיוני: מודלים המבוססים על סדרות של מידע, ברובו פיננסי וסטטיסטי, כמו נפח מסחר, מומנטום, תנודתיות, יחסי הון עצמי לשווי שוק, מכפיל רווח וכדומה. 

סביר להניח שאת הפרמטרים האלה תוכלו למצוא בלא מעט עבודות אנליזה על חברות שונות, או אפילו ברוב אתרי המידע הכלכלי בצמידות למניה או לסקטור ספציפי. הסיבה היא כמובן כי מנהלי השקעות התחשבו בפרמטרים אלה מאז ומעולם. אז איפה השינוי, אתם שואלים?

1. החיבור בין נתונים פיננסיים ונתונים סטטיסטיים: רוב מנהלי ההשקעות נוטים לעשות הפרדה בין השניים, ולא משלבים ביניהם, בעוד שהשקעת הפקטור משלבת בין שני סוגי הנתונים.

2. היתרון השני הוא התבססות על מודלים הנשענים על סדרות נתונים בלבד, תוך התעלמות מוחלטת מהטיות אנושיות של המשקיעים, כמו דעתם על הנהלת החברה, ההשפעה שיש לשם החברה על החלטת ההשקעה או רעשים אחרים שעלולים להוביל לביצוע טעויות בהשקעות.

3. השימוש במחשב מאפשר התחשבות מדויקת ומדודה יותר במספר גדול יותר של פרמטרים בו-זמנית.

על פי נתונים של ענקית ניהול ההשקעות בלאקרוק, שמובילה את עולם ההשקעות המבוסס על השקעת פקטור, התעשייה העולמית מנהלת כיום 1.9 טריליון דולר במדדים פאסיביים ובניהול השקעות אקטיבי המבוסס על Factor Investing. נוסף על כך, הם מעריכים כי היקפי הכספים המנוהלים בשיטה זו בתעשייה ירשמו צמיחה אקספוננציאלית ל-3.5 טריליון דולר עד לשנת 2022.

בשנים האחרונות המודלים נעשו דינמיים יותר, כאשר גדלה ההפנמה כי השווקים משתנים לעתים קרובות יותר, ולכן גם ההשפעה של פקטור כמו תנודתיות או מומנטום עשויה להשתנות לפי מצב השוק, או בין מגזר אחד למשנהו. הטכנולוגיה מאפשרת לנו לנצח על כל אלה, לעבד את המידע במהירות ולהגיב בזמן אמת לשינויים בשווקים.

שלב שני: החיבור בין מכונה לאדם 

אחת האופנות הצומחות בעולם ניהול ההשקעות היא החיבור בין המכונה לאדם. מצד אחד, חוכמה אנושית וחיבור למציאות, שלדעת רבים, אין לה תחליף. נסו ללמד מכונה להגיב להתנהגות של נשיא ארה"ב, דונלד טראמפ, או למלחמת הסחר בין ארה"ב לסין והשפעתה על תעשיית השבבים. מצד שני, המהירות, היעילות והנייטרליות של המכונה מונעת לא מעט טעויות אנוש וחוסר עקביות בהשקעות.

אחת החברות שיצא לי ללוות בשנים האחרונות (ואפילו משתפת פעולה עם בית ההשקעות אלומות שאני אסטרטג ראשי שלו), מנסה להציל את כבודם של האנליסטים בעולם ולהוכיח שבשילוב של טכנולוגיות מתקדמות כמו Big Data ו-Machine Learning שיעור ההצלחה של אותם אנליסטים יוכל לעלות מרמות של 50% לרמה של 75%-85%, ברמת הסקטור.
החברה בעצם פיתחה טכנולוגיה, שבעזרתה ניתן לנתח את הביצועים של אנליסטים מכל העולם לאורך שנים ולנטר את הסגמנטים שבהם אותם אנליסטים מתמחים ובאילו תנאי שוק יש להם סיכוי טוב יותר להצליח - שוק עולה, יורד, תנודתי - וגם באיזה סקטור - חברות גדולות, קטנות וכן הלאה.

על הניתוח הזה החברה מוסיפה סגמנט נוסף חשוב, והוא מומנטום חיובי, שהרי כל אחד שעסק באנליזה יודע שלאורך קריירה שלמה יש תקופות שאתה מצליח יותר ויש תקופות שבהן אתה מצליח פחות. בסופו של דבר, החברה מוצאת את האנליסטים הטובים והמתאימים ביותר, עם המומנטום הכי חיובי בזמן נתון, ובונה על בסיס ההמלצות שלהם את תיקי ההשקעות. ביום למחרת, ייתכן שאותו אנליסט יוחלף כבר ב"כוכב" אחר.

שלב שלישי: ניתוח נתונים כמותיים

אחת הבעיות המרכזיות בניתוח נתונים פיננסים של חברה היא קבלת נתוני עבר, שלא תמיד מעידים על העתיד, אלא בעיקר על מגמות.

אחת הסיבות המרכזיות לכך שתיאוריית ההשקעות של "האורקל מאומהה" וורן באפט מתבססת בעיקר על חברות מבוססות עם נתוני עבר ארוכים והמון פוטנציאל שוק, היא כדי לנסות ולשפר את חיזוי המגמה העתידי של אותה חברה. באפט הוא כנראה איש חכם מאוד, הוא משקיע רק בהשקעות שיש לו הסתברות מאוד גדולה להרוויח בהן ומשתדל שלא לקחת סיכונים גדולים מדי. אבל מה אם באפט היה יכול לדעת מה יהיו בקירוב התוצאות הכספיות או המכירות של החברה, הרבה לפני פרסום הדוח הכספי? האם עקרונות ההשקעה שלו היו משתנים?

טכנולוגיות כמו ביג דאטה (Big Data) ולמידת מכונה (Machine Learning) מאפשרות הרבה מעבר לניתוח דוחות כספיים. אחרי ששינו תעשיות שלמות כמו קמעונאות, ביטוח, בנקאות רפואה נדל"ן ואפילו ספורט, הן מגיעות בכל הכוח לעולם ההשקעות. עכשיו נסו לתאר לעצמכם עולם שבו ניתן לחזות את תוצאות החברה רק על פי איסוף נתונים מהשטח או מהרשת ולקבל אומדן קרוב של התוצאות הכספיות, הרבה לפני פרסום הדוח הכספי של החברה ואפילו ברמה יומית, לעתים עוד הרבה לפני המנכ"ל של אותה חברה יודע אותם.

איסוף נתונים, אנליזה של מיליוני נתונים ושימוש תועלתי בהם, הפכו מזמן לאומנות, ועכשיו הגיע הזמן שלהם להיות מיושמים בעולם ללא ודאות כמו עולם ההשקעות.

היתרון של ביג דאטה

נסו לחשוב על נתונים שניתן לאסוף בעזרת לוויין, שיוכל למשל לספור כמה מכוניות חנו בחניון של מרכז מסחרי, ולפי זה להעריך את המכירות בו, או לספר לנו כמה משאיות נכנסו לסניפי רשת וולמארט, או כמה מכליות וספינות משא עגנו בנמל מסוים, או כמה מהן עברו באזור ספציפי בים.

נתונים מרשת האינטרנט ניתן לאסוף בלי סוף, אבל המומחיות היא לעבד אותם, לנקות מהם את הרעשים ולזקק את המידע הרלוונטי כדי שנוכל ללמוד מהם מהו הסנטימנט כלפי מוצר, מניה או סקטור ספציפי, והאם הקולות לגביהם אוהדים יותר או פחות. יש לא מעט חברות שיעזרו לנו באיסוף נתונים אלה, כמו למשל SimilarWeb, שתספר לנו על כל אתר מה כמות הכניסות אליו, מאיפה נכנסו לאתר, מגמות וכן הלאה. כשהקמעונאות עוברת לרשת, אפשר ללמוד הרבה מאוד על מכירות של חברות שונות בזמן אמת, מגמות צרכניות ועוד.

החשיבות של בינה מלאכותית

הבעיה עם אותם נתונים היא שהם לא תמיד מייצרים דפוסי התנהגות ברורים של צרכנים, ולכן מערכת הבינה המלאכותית (AI) חשובה מאוד בניהול ההחלטות במקרים שונים.

בקרן אחרת שיצא לי לפגוש, מיישמים יותר מ-2,500 אסטרטגיות מסחר עם יותר מ-30 סדרות נתונים - טכנולוגיה מדהימה. הבעיה היא שאסטרטגיות שעבדו לפני 3-4 שנים או קודם, לא תמיד עובדות כיום. לכן, הם נאלצו לפתח מערכת AI חדשנית, שתוכל לבחור בכל יום רק את 100 האסטרטגיות הטובות ביותר והמתאימות ביותר לתנאי השוק מתוך אותן 2,500 אסטרטרגיות. התוצאה היתה כמובן שיפור אדיר בתוצאות.

בשורה התחתונה, עולם ניהול ההשקעות פוגש כיום תחרות מעולם הפינטק, שמביא גישה שונה מאוד לעולם ניהול תיקי ההשקעות וניהול ההון - והוא חייב ליישר קו.

נוסף על כך, נראה כי בעוד ניהול ההשקעות בעולם המסורתי מבוסס יותר על תיאוריות לגבי אופן התנועה של מחירי המניות, מגמות וניהול סיכונים, שהיא גישה קצת יותר סובייקטיבית, הרי שתחומים כמו ה-Factor Investing, השילוב בין מכונה לחוכמה אנושית והשימוש בטכנולוגיות מתקדמות, כמו יכולת עיבוד נתונים מבוסס בינה מלאכותית ויכולת חישוב כמותית, מובילים לאסטרטגיות השקעה חדשניות יותר, המבוססות על שקלול של עובדות וראיות, ופחות על נתוני עבר וניסיון לחזות מגמות.

ומה בנוגע לחיפוש עבודה בשוק ההון? תשקיעו יותר בידע, בסטטיסטיקה ובמחשוב - ואולי יהיה לכם סיכוי. 

הכותב הוא האסטרטג הראשי של בית ההשקעות אלומות. אין לראות באמור הצעה או ייעוץ לרכישה או מכירה או החזקה של ניירות ערך, והוא אינו מהווה תחליף לייעוץ המתחשב בנתונים ובצרכים המיוחדים של כל אדם.

רוצה להשאר מעודכן/ת בנושא שוק ההון?
✓ הרישום בוצע בהצלחה!
צרו איתנו קשר *5988