Финтех - Сюзан Чишти

Можно сделать вывод о том, что робоконсультанты обладают всеми элементами, чтобы считаться прорывной технологией. Понятно, что, хотя новые игроки используют специальные программы и низкодоходные компании, ни робоконсультанты, ни финансовые институты, желающие инвестировать и получать отдачу от инвестиций, не проявляют никакого интереса к перераспределению средств на рынке, что может спровоцировать вложения в низкодоходные активы.

Целевое инвестирование предоставит возможность всем игрокам рынка заниматься прорывными инновациями. Принципы целевого инвестирования уже включены в предложения робоконсультантов, но чрезмерное упрощение не дает потенциальных возможностей повышения коммерческой маржи. В дальнейшем финансовое консультирование и финансовое планирование будут заключаться в сближении с роботизированными моделями. Это позволит робоконсультантам предложить варианты формирования более диверсифицированной клиентской базы и возможность повысить стоимость услуг за счет конкуренции с услугами большей стоимости. Постоянная инновация, которую может обеспечить целевое инвестирование, поддерживается современными технологическими преимуществами, такими как когнитивные вычисления и управление портфелем на основе оценки рисков.

Банки вымрут или сохранятся?

Мы не можем предсказать будущее ни отрасли, ни отдельной фирмы, как и не можем сказать, умрет ли сегодняшнее банковское дело или трансформируется под рыночным и потребительским давлением. Последнее наиболее вероятно, учитывая уникальные характеристики банковского дела как регулируемой и до некоторой степени защищенной отрасли. Однако изменения в отрасли происходят действительно быстро. В перспективе это не только конкуренция финтех-компаний против банков и робоконсультантов, но ситуация, когда цифровые фирмы станут новыми доминирующими игроками, в то время как традиционные институты не смогут справиться с появившимися задачам.

Привлеченная «альфа»

Винеш Джа (Vinesh Jha),

генеральный директор, ExtractAlpha

В августе 2007 г. появившиеся на рынке институциональные инвесторы неожиданно столкнулись с проблемой убытков, когда один крупный инвестор, ищущий средства для покрытия убытков одной части портфеля за счет другой, прекратил покупку акций. Поскольку этот инвестор держал подобные акции для продажи за наличные деньги, это привело ко встречным действиям против таких стратегий и эффекту домино, когда другие вовлеченные в операции инвесторы закрыли позиции во избежание дальнейших убытков. Цены вернулись к своим предыдущим значениям, но к этому времени многие инвесторы понесли большие убытки.

На рис. 1, взятом из газеты Khandani and Lo, «Что случилось с квантами в августе 2007 года?»[177], показана прибыль от квантовых стратегий в это время. Это были рыночно-нейтральные стратегии с очень низким риском, и шаг в два процента в день был совершенно исключительным событием.

В небольших объемах ценных бумаг существуют скрытые риски: они разделяют судьбу с аналогичными компаниями, что приводит к риску закрытия позиции на рынке вероятностью остаться без прибыли.

Но почему акции типа «альфа» были так похожи во всех учрежденных фирмах? Потому что их источники данных были идентичны. Постоянные инвесторы полагаются на архивные данные при определении стратегий. Малый объем данных – финансовых выписок, рыночных данных и оценок брокерской выручки – имеет решающее значение по сравнению с этими стратегиями и академическим исследованием.

Потребность в новой информации

Позднее спрос на акции типа «альфа» возрос и был удовлетворен благодаря большей информированности об этих ценных бумагах. Доступная информация дает возможность менеджерам, которые действуют на опережение, использовать ее и внедрять в новые бизнес-проекты. Встает вопрос: где брать новую информацию? Во-первых, инвестиционный менеджер может пристальнее проанализировать доступную информацию. Компания AvenPack предоставляет структурированные информация из доступных источников, таких как стенограммы селекторных совещаний и ленты новостей. Во-вторых, информация может быть получена как выжимка из других процессов. Транзакционные данные, такие как информация пунктов обслуживания клиентов или посещаемость торговых точек либо интернет-сайта, первоначально собранные для одних целей, могут быть полезными для других инвесторов. Наконец, данные могут использоваться коллективно. Коллективное использование информации может быть активным процессом: поставщик данных может попросить людей собрать информацию или поделиться своим мнением. Premise Data Corp собирает данные о ценах на продовольствие по всему миру, формируя точные инфляционные ожидания. Пассивный сбор данных тоже возможен: мнения могут собираться из блогов, социальных СМИ, обзоров продуктов и т. д.

Однако существуют некоторые риски. Данные за последние несколько лет могут быть неполными, или может быть предоставлена информация о контактах с действующими клиентами или это может быть информация об операциях только в определенном сегменте. Отсутствие достаточной информации не позволяет сделать правильный вывод, основываясь только на данных за несколько прошедших лет либо разделении данных в пределах выборки (тестирование) и за пределами выборки (валидация). Данные могут иметь непонятный формат и быть частично недостоверными, и тогда требуется работа по проверке достоверности и актуальности информации. Все эти проблемы успешно разрешаются, а услуги по предоставлению дополнительной информации хорошо оплачиваются.

Что такое привлеченная «альфа»?

Привлеченная «альфа» – это прогнозы инвесторов для принятия решений о вложении капитала. Инвесторы не знают, как используются их прогнозы в случаях привлечения денежных средств Этим прогнозам не суждено сбыться. Существует множество компаний, которые пытаются создавать прогнозы на материалах Twitter, выуживая информацию из небольших постов.

Для составления прогноза нам необходима исходная информация, которая должна помочь при перспективном планировании. И нам нужны специалисты в области прогнозирования. Кроме того, нам потребуется некая платформа для сбора прогнозов. А также нам понадобятся мотивации для обеспечения прогнозов: денежная (заплатите мне, чтобы я составил прогноз), гордость (я хочу быть лучшим прогнозистом), рыночная (я хочу сказать каждому, что я лучший) либо коллективная (я хочу поделиться своими мнениями). Нам нужно очистить полученные данные от «воды». Различные точки зрения дают нам возможность извлекать выгоду из мнений толпы. Также полезно иметь объективный взгляд и навыки оценки прогнозов. Ценные навыки надо закреплять. Если специалисты по прогнозированию могут составлять достоверные прогнозы, то наличие высокой квалификации является отдельной особенностью. Тогда мы можем быть уверены в том, что идеи прогнозистов достойны того, чтобы прислушаться к ним в будущем.

Одним из первых был набор данных брокерского прогноза IBES (Institutional Brokers Estimates System (I/B/E/S, подразделение Thomson Reuters)). Сейчас эта идея стала широко популярна, а тогда она была новинкой: соберите прогнозы выручки брокеров на акцию и составьте из них консенсус-ожидание. IBES удовлетворяет наши нужды: это платформа для структурированных прогнозов, относительно свободных от мнений заинтересованных людей. Можно обсуждать, являются ли эти прогнозы достойными, но данные, бесспорно, интересны. Прогнозы отражают большинство наших желаний: существуют различные мнения, но в любом случае надо руководствоваться интернами бизнеса. И есть большой опыт аналитических прогнозов, что показано в работе, сделанной в StarMine, подразделении Thomson Reuters, а тогда, в начале 2000-х гг., независимой компании.

Мнения людей можно использовать для прогнозирования многих явлений. В таблице 1 приведены несколько примеров.

Пример 1. Оценка прибыли

Estimize – это инновационная платформа, на которой любители и профессиональные аналитики или инвесторы дают прогнозы относительно будущих доходов на акцию компании и прибыли. Вкладчики могут раскрывать свое имя и род занятий (сторона покупателя, независимый исследователь, индивидуальный трейдер, студент и т. д.). Пул из 70 000 вкладчиков делится поровну между этими группами.

Среднее арифметическое прогнозов независимых консультантов является более точным, чем прогнозы Уолл-стрит в 61,8 % случаях, когда существуют по крайней мере три специалиста по прогнозам. Эти данные возрастают до 64,8 % или 66,3 %, когда требуются соответственно 10–20 таких специалистов. Есть несколько предположений по поводу того, почему мнение независимых экспертов точнее, чем мнение профессионалов. Хотя услуги таких фирм, как StarMine, предполагают большую прозрачность, точность расчета чистого дохода на акцию – это лишь одна из составляющих вознаграждения аналитика и его признание. Есть разные мнения в оценках выручки продавца. Вряд ли прогнозист даст оценку, явно отличную от договорной, из-за страха ошибиться. Давление на аналитиков со стороны продавца ограничивает их способность своевременно обновлять результаты исследований. Поэтому изменения в прогнозах со стороны продавца производятся крайне медленно. Также могут существовать правовые изменения. Многих аналитиков нанимают институты, которые также владеют банками. Если эти банки хотят сохранить бизнес консультирования своих корпоративных клиентов, они могут испытывать давление со стороны владельцев с целью предоставлять оптимистичные прогнозы по определенным направлениям.