効率的な市場仮説では、取引された資産の価格が任意の時点ですべての既知の情報を反映するという点で、金融市場は「情報効率的」であると述べています。 しかし、これが本当なら、なぜ新しい基本的な情報がないにもかかわらず、価格が日々変わるのでしょうか？ 答えには、個々のトレーダーの間で一般的に忘れられている1つの側面が含まれます。それは流動性です。
1日を通して多くの大規模な機関取引は、情報とは一切関係がなく、流動性と関係があります。 露出オーバーを感じる投資家は積極的にポジションをヘッジまたは清算し、価格に影響を与えます。 これらの流動性需要者は、しばしばポジションを辞めるために代価を払うことをいとわないため、流動性プロバイダーに利益をもたらす可能性があります。 情報で利益を得るこの能力は、効率的な市場仮説と矛盾するように見えますが、統計的裁定取引の基盤を形成します。
統計的裁定取引は、統計モデルから生成された資産の期待値に基づいて、1つ以上の資産の統計的ミスプライシングから利益を得ることにより、価格と流動性の関係を利用することを目的としています。
統計的裁定取引とは何ですか？
統計的裁定取引は、1980年代にモーガンスタンレーのエクイティブロックトレーディングデスク業務によって生み出されたヘッジ需要から始まりました。 モルガン・スタンレーは、そのポジションに対するヘッジとして密接に相関する株式の株式を購入することにより、大量購入に伴う価格ペナルティを回避することができました。 たとえば、企業が大量の株式を購入した場合、市場の大きな不況をヘッジするために、密接に相関する株式をショートさせます。 これにより、企業はブロックトランザクションで購入した株式を配置しようとする一方で、市場リスクを事実上排除しました。
トレーダーはすぐに、これらのペアを実行されるブロックとそのヘッジとしてではなく、単にヘッジではなく利益を狙った取引戦略の両面として考えるようになりました。 これらのペア取引は、最終的に、流動性、ボラティリティ、リスクまたはその他の要因による証券価格の統計的差異を利用することを目的とした他のさまざまな戦略に進化しました。 現在、これらの戦略を統計的裁定取引に分類しています。
統計的裁定取引の種類
いくつかの異なるタイプの機会を利用するために作成された多くのタイプの統計的裁定取引があります。 一部のタイプはより効率的な市場によって段階的に廃止されていますが、それらに取って代わるいくつかの機会が生じています。
リスク裁定
リスク裁定は、合併の状況から利益を得ようとする統計的裁定の一種です。 投資家はターゲットの株式を購入し、（株式取引の場合）同時に取得者の株式を空売りします。 結果は、買い取り価格と市場価格の差から実現される利益です。
従来の統計的裁定取引とは異なり、リスク裁定取引にはいくつかのリスクを負うことが含まれます。 最大のリスクは、合併が失敗し、ターゲットの在庫が合併前のレベルまで低下することです。 別のリスクは、投資されたお金の時間的価値に関するものです。 長い時間がかかる合併は、投資家の年間収益に食い込むことができます。
リスクアービトラージを成功させるための鍵は、合併の可能性と適時性を判断し、それを目標在庫と買収提案の価格の差と比較することです。 一部のリスク裁定取引業者も買収目標を推測し始めており、これによりリスクが大幅に増加し、利益が大幅に増加する可能性があります。
ボラティリティアービトラージ
ボラティリティアービトラージは、オプションのインプライドボラティリティとデルタニュートラルポートフォリオの将来の実現ボラティリティの予測の違いを利用することに焦点を当てた、一般的なタイプの統計的アービトラージです。 本質的に、ボラティリティアービトラージャーは、証券の価格に方向性のある賭けをするのではなく、基礎となる証券のボラティリティを推測しています。
この戦略の鍵は、将来のボラティリティを正確に予測することです。これは、次のようなさまざまな理由で迷う可能性があります。
- 特許紛争治験結果不確実な収益M&A投機
ボラティリティアービトラージアーが将来の実現ボラティリティを推定すると、インプライドボラティリティが基礎となる証券の予測実現ボラティリティよりも大幅に低いまたは高いオプションを探し始めることができます。 インプライドボラティリティが低い場合、トレーダーはオプションを購入し、基礎となる証券でヘッジしてデルタ中立ポートフォリオを作成できます。 同様に、インプライドボラティリティが高い場合、トレーダーはオプションを売却し、基礎となる証券でヘッジしてデルタニュートラルポートフォリオを作成できます。
トレーダーは、基礎となる証券の実現ボラティリティが市場の予測（またはインプライドボラティリティ）よりも自分の予測に近づいたときに、取引の利益を実現します。 利益は、ポートフォリオのデルタをニュートラルに保つために必要な継続的なリヘッジを通じて取引から実現されます。
ニューラルネットワーク
ニューラルネットワークは、人間の目には見えない複雑な数学的関係を見つけることができるため、統計的裁定取引の分野でますます人気が高まっています。 これらのネットワークは、生物学的ニューラルネットワークに基づく数学モデルまたは計算モデルです。 これらは相互接続された人工ニューロンのグループで構成され、計算へのコネクショニストアプローチを使用して情報を処理します。つまり、学習フェーズ中にネットワークを流れる外部または内部情報に基づいて構造を変更します。
基本的に、ニューラルネットワークは、入力と出力の間の複雑な関係をモデル化してデータのパターンを見つけるために使用される非線形統計データモデルです。 明らかに、有価証券の価格変動のパターンは利益のために悪用される可能性があります。
高頻度取引
高頻度取引（HFT）は、コンピューターのトランザクションを迅速に実行する能力を利用することを目的とした、かなり新しい開発です。 貿易部門の支出はここ数年で大幅に増加しており、その結果、毎秒数千の取引を実行できる多くのプログラムがあります。 現在、ほとんどの統計的裁定取引の機会は競争のために制限されているため、利益を拡大する唯一の方法は取引を迅速に実行する能力です。 ますます複雑になっているニューラルネットワークと統計モデルと、コンピューターを組み合わせて数字を処理し、取引を迅速に実行できることが、裁定取引の将来の利益の鍵です。
統計的裁定取引が市場に与える影響
統計的裁定取引は、市場で日々の流動性の多くを提供する上で重要な役割を果たします。 これにより、大規模ブロックトレーダーは市場価格に大きな影響を与えることなく取引を行うことができます。また、米国の預託証券（ADR）などの問題を親株とより密接に関連付けることでボラティリティを削減できます。
しかし、統計的裁定取引もいくつかの大きな問題を引き起こしています。 1998年の長期資本管理（LTCM）の崩壊により、市場はほぼ台無しになりました。 このような小さな価格変動から利益を得るためには、大きなレバレッジをとる必要があります。 さらに、これらの取引は自動化されているため、セキュリティ対策が組み込まれています。 LTCMの場合、これは下方に移動すると清算されることを意味しました。 問題は、LTCMの清算注文がひどいループでより多くの売り注文を引き起こしただけで、最終的には政府の介入で終了することでした。 覚えておいて、ほとんどの株式市場の暴落は、流動性とレバレッジの問題から生じます-統計的裁定取引が動作するまさにその領域です。
ボトムライン
統計的裁定取引は、1990年代以降人気がわずかに低下したにもかかわらず、これまでに考案された最も影響力のある取引戦略の1つです。 今日、ほとんどの統計的裁定取引は、ニューラルネットワークと統計モデルの組み合わせを使用した高頻度取引を通じて行われています。 これらの戦略は流動性を促進するだけでなく、過去にLTCMのような企業で見られた大規模なクラッシュの主な原因でもあります。 流動性とレバレッジの問題が組み合わされている限り、これは一般的な投資家にとっても戦略を認める価値のあるものにし続けるでしょう。
