आर्बिट्राज बाजार अक्षमता से लाभ निचोड़

+

आर्बिट्राज बाजार अक्षमता से लाभ निचोड़ कुशल बाजार परिकल्पना वित्तीय बाजारों कारोबार की संपत्ति की कीमतों में किसी भी समय में सभी ज्ञात जानकारी को प्रतिबिंबित में "informationally कुशल" कर रहे हैं जो बताता है। अगर यह सच है, तो क्यों की कीमतों में कोई नया मौलिक जानकारी के बावजूद आज के दिन तक दिन से भिन्न है? तरलता: जवाब आमतौर पर व्यक्तिगत व्यापारियों के बीच भूल जाता है कि एक पहलू शामिल है। दिन भर में कई बड़े संस्थागत ट्रेडों तरलता के साथ क्या करने के लिए जानकारी के साथ कोई लेना देना नहीं है और सब कुछ है। आक्रामक तरीके से घेरना या कीमत को प्रभावित खत्म हो जाएगा, जो पदों को समाप्त होगा overexposed लग रहा है कि निवेशक। ये तरलता demanders अक्सर तरलता प्रदाताओं के लिए एक लाभ में परिणाम कर सकते हैं जो उनके पदों, बाहर निकलने के लिए एक कीमत अदा करने को तैयार हैं। सूचना के आधार पर लाभ के लिए इस क्षमता कुशल बाजार परिकल्पना खंडन करने के लिए लगता है, लेकिन सांख्यिकीय आर्बिट्रेज की नींव रूपों। सांख्यिकीय आर्बिट्रेज एक सांख्यिकीय मॉडल से उत्पन्न परिसंपत्तियों की उम्मीद है और मूल्य के आधार पर एक या एक से अधिक संपत्ति के सांख्यिकीय mispricing से profiting द्वारा मूल्य और तरलता और काम करता है के बीच के रिश्ते को भुनाने के लिए करना है। इस मॉडल है और यह कैसे काम करता है के बारे में और अधिक जानने के लिए आगे पढ़ें। सांख्यिकीय आर्बिट्राज का मूल सांख्यिकीय आर्बिट्रेज मॉर्गन स्टेनली के इक्विटी ब्लॉक ट्रेडिंग डेस्क संचालन के द्वारा बनाई गई हेजिंग मांग से 1980 के दशक में हुआ था। मॉर्गन स्टेनली में अपनी स्थिति के खिलाफ एक बचाव के रूप में बारीकी से सहसंबद्ध शेयरों में शेयरों की खरीद के द्वारा बड़े ब्लॉक खरीद के साथ जुड़े कीमत दंड से बचने के लिए कर रहा था। फर्म के शेयरों का एक बड़ा ब्लॉक खरीदी अगर उदाहरण के लिए, यह कम एक निकट सहसंबद्ध शेयर बाजार में किसी भी प्रमुख गिरावट से बचाव के खिलाफ होगा। फर्म यह एक ब्लॉक सौदे में खरीदा था शेयर करने के लिए जगह की मांग की है, जबकि यह प्रभावी ढंग से किसी भी बाजार में जोखिम का सफाया कर दिया। बाजार सूत्रों के अनुसार जल्द ही इन एक ब्लॉक क्रियान्वित किया जा करने के लिए नहीं के रूप में जोड़े और इसके बचाव के बारे में सोचना शुरू कर दिया है, लेकिन लाभ बस हेजिंग के बजाय बनाने के उद्देश्य से एक व्यापार रणनीति की बजाय दोनों पक्षों। ये जोड़ी ट्रेडों अंत में तरलता, अस्थिरता, जोखिम या अन्य कारकों की वजह से सुरक्षा की कीमतों में सांख्यिकीय मतभेदों का लाभ लेने के उद्देश्य से विभिन्न अन्य रणनीतियों में विकसित हुआ। अब हम सांख्यिकीय आर्बिट्रेज के रूप में इन रणनीतियों को वर्गीकृत। सांख्यिकीय आर्बिट्राज के प्रकार अवसरों के कई अलग अलग प्रकार का लाभ लेने के लिए बनाया सांख्यिकीय आर्बिट्रेज के कई प्रकार के होते हैं। कुछ प्रकार के एक अधिक कुशल बाज़ार से बाहर चरणबद्ध किया गया है, उनकी जगह लेने के लिए पैदा हुई है कि कई अन्य अवसर हैं। जोखिम आर्बिट्राज जोखिम अंतरपणन विलय स्थितियों से लाभ के लिए करना चाहता है कि सांख्यिकीय आर्बिट्रेज का एक रूप है। विलय arbitreurs खरीद लक्ष्य में शेयर और (निवेशकों कहा जाता है) (यह एक शेयर लेनदेन है) एक साथ अधिग्रहण का जायजा शॉर्ट्स। परिणाम buyout मूल्य और बाजार मूल्य के बीच अंतर से महसूस किया कि एक लाभ है। परंपरागत सांख्यिकीय आर्बिट्रेज के विपरीत, जोखिम आर्बिट्रेज कुछ जोखिम पर ले शामिल है। सबसे बड़ा जोखिम विलय के माध्यम से गिर जाएगी और लक्ष्य के शेयर अपने पूर्व के विलय के स्तर तक छोड़ देंगे है। पैसे के समय मूल्य के साथ एक और जोखिम सौदों का निवेश - निवेशकों का वार्षिक रिटर्न में खा सकते हैं के माध्यम से जाने के लिए एक लंबा समय लगेगा कि विलय। जोखिम आर्बिट्रेज में सफलता की कुंजी विलय की संभावना को और समयबद्धता का निर्धारण करने और लक्ष्य शेयर और buyout पेशकश के बीच कीमत में अंतर के साथ कि तुलना है। कुछ जोखिम arbitreurs उतना ही बड़ा जोखिम के साथ काफी हद तक अधिक से अधिक लाभ के लिए नेतृत्व कर सकते हैं, साथ ही अधिग्रहण के ठिकानों पर सट्टा करने के लिए शुरू कर दिया है। अस्थिरता आर्बिट्राज अस्थिरता आर्बिट्रेज एक डेल्टा न्यूट्रल पोर्टफोलियो में उतार-चढ़ाव का एहसास हुआ एक विकल्प के निहित अस्थिरता और भविष्य के एक पूर्वानुमान के बीच मतभेदों का लाभ लेने पर केंद्रित है कि सांख्यिकीय आर्बिट्रेज का एक लोकप्रिय प्रकार है। मूलतः, उतार-चढ़ाव आर्बिट्राज अंतर्निहित बजाय अंतर्निहित सुरक्षा की कीमत पर एक दिशात्मक शर्त बनाने की अस्थिरता पर अटकलें हैं। इस रणनीति के लिए महत्वपूर्ण सही रूप सहित कारणों की एक किस्म के लिए भटका सकता है, जो भविष्य में उतार-चढ़ाव, भविष्यवाणी है: पेटेंट विवाद क्लिनिकल परीक्षण के परिणाम अनिश्चित आय एमए अटकलें एक उतार-चढ़ाव arbitrager भविष्य अस्थिरता का एहसास हुआ अनुमान लगाया गया है, वह या वह गर्भित अस्थिरता अंतर्निहित सुरक्षा के लिए पूर्वानुमान एहसास हुआ उतार-चढ़ाव से या तो काफी कम या अधिक है जहां विकल्प की तलाश शुरू कर सकते हैं। गर्भित अस्थिरता कम है, तो व्यापारी एक डेल्टा न्यूट्रल पोर्टफोलियो बनाने के लिए अंतर्निहित सुरक्षा के साथ विकल्प और बचाव खरीद सकते हैं। गर्भित अस्थिरता अधिक है इसी प्रकार, यदि व्यापारी एक डेल्टा न्यूट्रल पोर्टफोलियो बनाने के लिए अंतर्निहित सुरक्षा के साथ विकल्प और बचाव बेच सकते हैं। यह बाजार की स्थिति (या निहित अस्थिरता) के लिए है की तुलना में अंतर्निहित सुरक्षा का एहसास हुआ उतार-चढ़ाव अपने या अपने पूर्वानुमान के करीब ले जाता है जब व्यापारी तो व्यापार पर एक लाभ का एहसास होगा। लाभ तटस्थ पोर्टफोलियो डेल्टा रखने के लिए आवश्यक नित्य फिर से हेजिंग के माध्यम से व्यापार से महसूस किया है। आर्बिट्राज के अन्य प्रकार पिछले दशकों में विकसित किया है कि आर्बिट्रेज के कई अन्य प्रकार के होते हैं। इन तंत्रिका नेटवर्क और उच्च आवृत्ति व्यापार में शामिल हैं। इन रणनीतियों पर एक नज़र रखना और वे अंतरपणन व्यापार के भविष्य का प्रतिनिधित्व कैसे देखते हैं: तंत्रिका जाल । तंत्रिका नेटवर्क की वजह से मानव आंखों के लिए अदृश्य लग रहे हैं कि जटिल गणितीय संबंधों को खोजने के लिए अपनी क्षमता के लिए सांख्यिकीय आर्बिट्रेज के क्षेत्र में तेजी से लोकप्रिय होते जा रहे हैं। ये नेटवर्क जैविक तंत्रिका नेटवर्क के आधार पर गणितीय या कम्प्यूटेशनल मॉडल हैं। वे गणना करने के लिए एक connectionist दृष्टिकोण का उपयोग कर प्रक्रिया की जानकारी है कि परस्पर कृत्रिम न्यूरॉन्स के एक समूह से मिलकर बनता है; यह है कि वे सीखने के चरण के दौरान नेटवर्क के माध्यम से बहती है कि बाहरी या आंतरिक जानकारी के आधार पर उनकी संरचना को बदलने का मतलब है कि। मूलतः, तंत्रिका नेटवर्क डेटा में पैटर्न खोजने के लिए इनपुट और आउटपुट के बीच जटिल संबंधों मॉडल करने के लिए इस्तेमाल कर रहे हैं कि गैर रेखीय सांख्यिकीय डेटा मॉडल हैं। जाहिर है, प्रतिभूतियों के मूल्य आंदोलनों में किसी भी स्वरूप लाभ के लिए इस्तेमाल किया जा सकता। उच्च आवृत्ति ट्रेडिंग। उच्च आवृत्ति व्यापार जल्दी से लेन-देन पर अमल करने के लिए कंप्यूटर की क्षमता को भुनाने के लिए करना है कि एक नया विकास है। व्यापार के क्षेत्र में खर्च एक परिणाम के रूप में, प्रति सेकंड 3,000 से अधिक ट्रेडों निष्पादित करने में सक्षम कई कार्यक्रम कर रहे हैं, पिछले कुछ वर्षों में काफी बड़ा हो गया है। अब सबसे सांख्यिकीय आर्बिट्राज अवसरों की वजह से प्रतिस्पर्धा करने के लिए सीमित कर रहे हैं, जल्दी से ट्रेडों निष्पादित करने की क्षमता मुनाफा पैमाने पर करने के लिए एक ही रास्ता है। तेजी से जटिल तंत्रिका नेटवर्क और तेजी ट्रेडों संख्या की कमी और अमल करने में सक्षम कंप्यूटर के साथ संयुक्त सांख्यिकीय मॉडल arbitreurs के लिए भविष्य के लाभ के लिए महत्वपूर्ण हैं। बाजार में भूमिका सांख्यिकीय आर्बिट्रेज बाजारों में दिन-प्रतिदिन की तरलता की बहुत प्रदान करने में एक महत्वपूर्ण भूमिका निभाता है। यह भी अपने माता-पिता के शेयरों के साथ अधिक निकटता उन्हें correlating द्वारा अमेरिकी निक्षेपागार प्राप्तियों जैसे मुद्दों में उतार-चढ़ाव को कम करते हुए काफी, बाजार की कीमतों को प्रभावित किए बिना उनकी ट्रेडों जगह करने के लिए बड़े ब्लॉक व्यापारियों सक्षम बनाता है। सांख्यिकीय आर्बिट्रेज भी हालांकि, कुछ प्रमुख समस्याओं का कारण है। सबसे आसानी से स्पष्ट लगभग खंडहर में बाजार में छोड़ दिया जो लांग टर्म कैपिटल मैनेजमेंट पतन था। ऐसी छोटी सी कीमत विचलन से लाभ के लिए आदेश में, यह महत्वपूर्ण लाभ उठाने पर लेने के लिए आवश्यक है। इन ट्रेडों स्वचालित रहे हैं, क्योंकि इसके अलावा, वहाँ में निर्मित कर रहे सुरक्षा उपायों। LTCM के मामले में, यह है कि यह नीचे की ओर एक चाल पर समाप्त होता है का मतलब है कि; समस्या LTCM के परिसमापन के आदेश केवल केवल सरकार के हस्तक्षेप के साथ समाप्त हो गया है कि एक भयानक पाश में अधिक बेचने के आदेश शुरू हो गया था। याद है, ज्यादातर शेयर बाजार में दुर्घटनाओं तरलता और लाभ उठाने के साथ मुद्दों से उत्पन्न होती हैं - सांख्यिकीय arbitreurs जो काम में बहुत अखाड़ा। निष्कर्ष सांख्यिकीय आर्बिट्रेज कभी 1990 के दशक के बाद से लोकप्रियता में थोड़ा कम होने के बावजूद, तैयार सबसे प्रभावशाली व्यापार रणनीतियों में से एक है। आज, सबसे सांख्यिकीय आर्बिट्रेज तंत्रिका नेटवर्क और सांख्यिकीय मॉडल का एक संयोजन का उपयोग उच्च आवृत्ति व्यापार के माध्यम से आयोजित किया जाता है। इतना ही नहीं इन रणनीतियों तरलता ड्राइव करते हैं, लेकिन वे भी हम अतीत में LTCM जैसी कंपनियों में देखा है बड़ी दुर्घटनाओं के लिए काफी हद तक जिम्मेदार हैं। जब तक तरलता और लाभ उठाने मुद्दों संयुक्त रहे हैं, यह आम निवेशक के लिए भी पहचानने लायक रणनीति एक बनाने के लिए जारी होने की संभावना है।