Квант в торговле что это
Квант поставки
Квант поставки (Quant, Minimum Order Quantity) – минимальное количество товара одного SKU, которое поставщик может отгрузить розничному клиенту. В большинстве случаев определяется стандартной вместимостью транспортной упаковки (короба, ящика и т.п.), которую поставщик предпочитает не дробить и поставлять целиком. Например, если пачки чая на производстве фасуются в коробку по 12 штук, а пачки сигарет в блок по 10 штук, то квантом поставки для данных SKU обычно является 12 и 10 пачек соответственно. Торговый представитель не может принять заказ, содержащий меньшее количество пачек, при формировании заказа с помощью ППК это ограничение обычно установлено программно. Поэтому он принимает заказ, кратный кванту поставки: 12, 24, 36 или больше пачек чая; 10, 20, 30 или больше пачек сигарет; и т.д.
В ряде случаев квант поставки может не соответствовать транспортной упаковке. Например, если компания-поставщик ставит перед собой такие цели построения дистрибуции, ради которых готова пойти на увеличение складских и транспортных расходов, она может установить в качестве кванта поставки половину или иную часть транспортной упаковки. В особых случаях поставка товара может даже осуществляться поштучно, то есть квантом поставки будет являться не транспортная, а потребительская упаковка (что может быть реализуемо, например, в формате продаж Van Sales). Для ключевых клиентов может быть установлен квант поставки, равный нескольким транспортным упаковкам (например, один мастер-короб, содержащий 50 блоков, т.е. 500 пачек сигарет), либо вообще разработаны нестандартные специальные упаковки. Такая упаковка может одновременно являться show box (иметь привлекательный дизайн, использоваться не только для перевозки, но и для выкладки товара на полке), а ее вместимость определяться пожеланиями данного ключевого клиента по запасу товара на полке.
Таким образом, с одной стороны, оперирование понятием «квант поставки» во взаимоотношениях между поставщиком и розничным клиентом облегчает целый ряд операций по приему заказа, его набору на складе, транспортировке, передаче клиенту, хранению и выкладке товара. Размер кванта поставки обеспечивает рентабельность этих операций как для поставщика, так и для клиента. С другой стороны, если размер кванта поставки превышает возможности оборота клиента, это может приводить к «замораживанию» в товаре части денежных средств клиента, списанию им товара с истекшим сроком годности и разрыву отношений с поставщиком.
…В одной из дистрибуторских компаний квант поставки был настолько большим, что это приводило либо к постоянным списаниям просроченного товара в торговых точках, либо к регулярным out—of—stock. Даже при самом тщательном регулярном снятии остатков и подсчете рекомендованного заказа с помощью ППК, в заказ включалось то слишком много товара, то слишком мало. Для экстренного исправления ситуации было решено уменьшить квант поставки, сделать его меньше транспортной упаковки. Право менять квант поставки в установленной на ППК торговой программе было предоставлено и Головному офису, и руководителям торговых подразделений, и логистам. В итоге торговые представители вконец запутались, чему равен квант поставки каждой из ассортиментных позиций, а склад стал отказываться собирать некорректно принятые заказы…
Как сделать заказ поставщику. Формула заказа и автозаказа.
Содержание
Как магазин может сделать заказ поставщику
Мы приходим с вами в магазин и видим, как стройным рядом стоит продукция всех видов и наименований. Проходят толпы покупателей и, похоже, сметают их все на своем пути, а они вновь и вновь появляются на полках.
Как розничные сети осуществляют расчет заказа и обеспечивают постоянное присутствие товара на полке? Своим опытом и секретами поделились директора магазинов крупнейших торговых сетей.
Автозаказ и другие возможности сделать заказа поставщику:
* Автозаказ и его особенности
Торговые сети стремятся к автоматизации и сокращению ручных заказов. Автозаказ – это автоматизированная система расчета заказа, основанная на анализе прошлых продаж.
Автозаказ позволяет минимизировать человеческий фактор – формируя заказ поставщику основываясь на аналитике продаж, а не своих личных предпочтениях. Человек склонен делить товары на плохие и хорошие. Не всегда оценивая, что плохой товар, по его мнению, нравиться другим и пользуется хорошим спросом.
Все мы субъективны. Автозаказ не имеет личных предпочтений, а основывается только на формуле заказа.
А если вспомнить, про поставщиков, которые пытаются продвинуть свой товар на полки магазина. При ручных заказах поставщик может стимулировать сотрудников в магазине на увеличение поставок своего товара, расширение выкладки. Но договориться становиться сложнее при работе через автозаказ.
Расчет заказа начинается с подготовки данных в магазине
Для того, чтобы сделать корректный заказ поставщику необходимо обеспечить корректные данные в системе. Возможно сколько угодно анализировать прошлые периоды, но если они искажены, то результат будет бесполезен. Давайте рассмотрим, как пошагово скорректировать данные чтобы сделать заказ товара.
Обеспечивать корректные и своевременные данные по остаткам в магазине
1.1. Адаптировать виртуальные остатки.
Виртуальные остатки – товар числится в системе с остатками, но на самом деле он отсутствует. Возникают в случае пересортицы товара (вместо одного товара продали другой); некорректной приемки товара; недопоставок (в программе зафиксировано большее количество товаров, чем поставлено)
1.2. Скорректировать отрицательны остатки.
Отрицательные остатки возникают если товар продан, но его НЕ было на остатках. Это происходит, когда:
Реализация отсутствующего товара приводит к отрицательным остаткам. Автозаказ воспринимает отрицательные остатки как наличие товара и не формирует заказ поставщику.
1.3. Совершать списания и отражать их в системе. 
Если товар не соответствует качеству (помята упаковка, брак и другое) требуется произвести списание. Иначе на остатках будет присутствовать товар, продать который невозможно.
1.4. Отражать результаты по актам расхождений с поставщиками (возвраты).
Если с поставщиком существует договоренность о возврате товара. Например, испорченный продукт, бракованный или ненадлежащего качества. Такой товар числиться на остатках супермаркета, но продан быть не может. В результате товар не заказывают, считая, что он в наличии.
“Выкалывание” – исключаем дни продаж не связанных с системными изменениями спроса.
Контроль выкладки согласно планограмме
Учитывать ожидаемое изменение спроса
Если прогнозируются значительные перемены спроса, нужно скорректировать расчет заказа. Например, увеличение трафика с началом Чемпионата Мира по футболу, канун праздников, начала дачного периода и другое. Заказ корректируется коэффициентом сезонности.
Корректное ведение промо акций
Формула заказа. Как пошагово сделать заказ поставщику
График поставок
Формирование заказа начинается с графика поставок от поставщиков. Каждая позиция заказывается в определенный период.
Например, “Молоко Домик в деревне” можно заказать в понедельник и среду до 16 часов. Таким образом, мы оставляем только те товары, которые доступны к заказу на текущую дату.
Выкладка
Это минимальное количество товара, которое должно присутствовать в торговой точке. Количество единиц для выкладки определяет отдел мерчендайзинга, прописывая, где и что требуется выставить и в каком количестве “фейсов”. Любое изменение выкладки необходимо учитываться при заказе поставщику.
Средние продажи в день
Определяем сколько штук продается в сутки. Рассчитываем среднюю реализацию за последние 14 дней — сумма всех продаж деленное на количество дней. Исключаем все даты, в которых потребление превышало обычный уровень. Это могут быть периоды промо, распродаж или других акций. В результате, формула учитывает только регулярный спрос.
Прогнозируемые продажи в день
Теперь мы понимаем, какое количество товаров реализуется в сутки (регулярный спрос). Но спрос постоянно меняется под воздействием внешней и внутренней среды.
Например, праздники, начала сезона или географическая особенность (начало дачного периода). Следовательно, корректируем регулярные продажи с учетом планируемых перемен используя коэффициент сезонности. Формула прогнозируемых продаж:
Страховой запас товара
Зная сколько, планируется реализовать в день мы рассчитываем страховой запас. Он обеспечит полноценные продажи до следующей поставки. Например, делаем заказ поставщику в понедельник. Согласно графику поставок, товар придет через два дня – в среду. Следовательно, страховой запас рассчитывается от среды текущей недели по среду следующей недели.
В результате, в магазине обязательно наличие выкладки плюс прогнозируемого объема продаж до следующей поставки. Формула страхового запаса:
Остатки товара на дату поставки
Поставка осуществляется через несколько дней после заказа. Поэтому, нам требуется учесть сколько товара останется в дань поставки. Для этого рассчитываем: сколько товаров продастся за эти дни и какой остаток по товару будет на дату поставки.
Из текущих остатков вычитаем среднедневные продажи за период. Если срок поставки товара в среду, то снижаем текущий остаток на два предстоящих дня. 
Формула заказа поставщику
Наконец, мы определили какое количество товара будет реализовано между поставками – страховой запас. Кроме того, мы понимаем какое количество останется в день поставки и можем рассчитать какое количество нам нужно для заказа поставщику
Квант на поставку
Квант на поставку – это неделимое количество. Например, заказываем молоко в коробке по 12 штук. Мы не можем заказать половину коробки или отдельно пачку. Заказ поставщику формируется с учетом кванта поставки и округляется до целого числа.
Расчет заказа поставщику на примере.
Фильтруем поставщиков, принимающих заказы в текущую дату. 
Определяем количество позиций для выкладки. Например, минимальная выкладка составляет 4 шт. (“фейса”). Перестановка выкладки не планируется. 
Рассчитываем среднедневные продажи. Возьмем реализацию за 3 недели. В течении, этого периода были промо и распродажа, которые необходимо исключить. По остальному периоду рассчитываем средние продажи. Следовательно, получаем 2 шт. в сутки.
Кроме того, мы делаем заказ накануне праздников и, следовательно, планируется сезонное увеличение на 50%. Поэтому среднедневные продажи увеличиваем на коэффициент сезонности. С учетом увеличения прогноз реализации составит 3 шт. 
Определяем страховой запас между поставками. Будем считать, что поставка осуществляется по средам. Следовательно, между поставками 7 суток (со среды по среду). Таким образом, для расчета страхового запаса прогнозируемый объем 3 штуки умножаем на 7 дней и добавляем 4 штуки для выкладки.
Наконец определяем какое количество продукции будет на остатках к сроку поставке. Заказ осуществляется по понедельникам – за двое суток до поставки. Предположим в понедельник у нас на остатках 12 штук. Среднедневные продажи в ближайший период составят по 2 шт (если канун праздников еще не оказывает влияние). Следовательно, в среду у нас на остатках будет 8 шт.
Получается, мы рассчитали какое количество продукции нам требуется между поставками, какое количество будет на остатках поставки и можем рассчитать заказ поставщику.
Рассчитываем количество товара с учетом кванта. Получается 5,67 коробок. Округляем до целого числа и заказываем 6 коробок по 3 штуки в коробке – 18 штук.
Секреты директора – как обеспечить необходимое количество товара в магазине.
Заказ – это баланс между продажами и списанием.
Если от поставки к поставке остаток товара не хватает на выкладку, то нужно увеличивать заказ поставщику. Потому что, если выкладка товара нарушена, то продажи снижаются.
Например, у нас обычная выкладка 4 “фейса”, но уже после обеда полка стоит полупустая. Чтобы увеличить продажи мы заказываем большее количество при следующей закупке. Увеличиваем до тех пор, пока не начнутся списания. Заказ поставщику должен быть на гране максимального объема и минимальных списаний. Для контроля наличия используется показатель доступности.
Частые заказы – меньшие списания.
Сегодня покупатель уже знает слишком много. Ему известны секреты выкладки, знакомы правила мерчендайзинга. Сегодня уже никого не удивишь, что товары с наиболее свежими сроками выставляются на полку в самый конец, а с самыми близкими сроками годности будут стоять в первом рядом. И в результате, покупатель делает небольшое усилие и достает самый дальний товар с полки. И что остается в магазине? В результате, продукт, который необходимо было реализовать первым списывается из-за подходящих сроков годности.
Все это возникает из-за недоверия покупателя к розничной сети. Лишь один раз продав что-то с подходящими сроками годности, можно разрушить лояльность покупателя. Решение может быть только одно – покупателю нужно знать, что в магазине нет просрочки и всё всегда свежее. Похоже, только тогда у него не будет потребности тянуться в дальние углы полок.
Обеспечить это возможно максимально частыми поставками. Если у товара короткие сроки годности – охлажденная продукция, фермерские продукты, фрукты и овощи, то поставка может осуществляться ежедневно.
Как обмануть автозаказ?
Обмануть? Автозаказа, в нем столько плюсов, зачем же это нужно?
Но не нужно забывать, что это автоматизированная система не может быть идеальной. Это программа с запрограммированной логикой, которая не может учитывать все факторы. В то время, как автозаказ заказывает все товары согласно матрице, есть продукт, который не продается в магазине.
Товар закупаются ➔ дожидается окончания срока годности ➔ списываются ➔ опять закупается и круг повторяется. Или продукция очень плохо продается и по ней делают Markdown (уценку). Продажи увеличиваются, и система может рассчитать на основе этих продаж будущую поставку.
Для того, чтобы не заказывать какую-то позицию на поставку, эту позицию оставляют с отрицательными остатками. Даже если товар прописанная в обязательной матрице магазина его могут специально держать с отрицательными остатками и не заказывать.
Снижаем заказы после промо акций
Промо акций с глубокими скидками снижают продажи после его проведения. Снижение продаж возможно из-за того, что продукцию закупили впрок или из-за ощущения насыщенности у покупателя. Кроме того, снижение продаж возможно как по продуктам участвующему в акции, так и по всей категории. Для того, чтобы выровнять продажи после промо нужно сократить заказ поставщику.
Чем более скоропортящийся продукт тем на более короткий период. Например, акция по оливковому маслу может снизить продажи после промо на несколько недель. В отличии от форели, которая может снизить продажи на несколько дней.
Матрица факторов
Прежде всего, чтобы контролировать причины колебаний товарооборота ответственному за заказ поставщику необходимо вести матрицу влияющих факторов. Это календарь с указанием всех важных событий и факторов влияющих на продажи.
Например, пасха ежегодно проходит в разные периоды, расположение рядом с фитнес-центром увеличивает продажи здорового питания весной, дачный сезон, выпускной, последний звонок и т.д. В каждой торговой точке может быть своя матрица факторов со своими географическими особенностями.
«Мыслить финансовыми моделями»: Кто такие кванты и как ими стать
Редактор блога Turing Finance и, по совместительству, финансовый аналитик хедж-фонда Стюарт Рид опубликовал практическое руководство для тех, кто видит свое будущее на финансовом рынке, исходя из своего опыта работы в профессии. Он обещает рассказать не о том, как стать квантом, а как быть им в любом из секторов финансовой индустрии, в котором вы сейчас работаете. По его мнению, это даже не вопрос выучки, но, скорее, вопрос идеологии. Представляем вашему вниманию адаптированный перевод этого материала.
Количественные методы или количественный анализ в индустрии финансов – это наука, но никак не профессия, считает Рид. Это значит, что знание того, как стать квантом ничего не прибавляет к вашим умениям. Нужно знать, как быть им. Во втором случае мы говорим о принципах и идеологии, лежащей в основе количественного анализа. В первом варианте – речь о том, чтобы проявлять некие практические активности, чтобы получить работу, где в описании стоит слово «квант».
На базовом уровне быть квантом – еще не означает умения выводить изощренные формулы для оценки возможностей диковиной стохастической модели. Это еще не означает создавать, обучать и тестировать стратегии трейдинга, использующие модель статистической регрессии. Быть квантом – значит, верить, что научные модели годятся для общего анализа финансовых рынков.
Подобная идеология набрала вес при оценке деривативов, потом перешла на риск-менеджмент, управление активами и биржевую торговлю. Вероятно, в ближайшее десятилетие мы сможем наблюдать распространение этого подхода в сфере корпоративных финансов, в венчурных и банковских инвестициях.
Философия науки
На последнем курсе по компьютерным наукам автор вместе с остальными студентами потратил год на создание модуля под названием «методологии исследования». В его основе лежали два учебника: «Философия науки: от проблем к теории» и «Философия науки: от объяснения к обоснованию». Обе написаны Марио Бунге. Несмотря на все попытки преподавателя сделать этот предмет скучным, насколько это возможно, автору нравилось изучать философию. Многие идеи модуля оказались востребованы в дальнейшей практике.
Собственно, сам предмет «философия науки» повествует о логических основаниях, методах и выводах науки. Проще говоря, он пытается ответить на вопросы: что такое наука? Как это работает? Каковы пределы научного знания? В истории было дано множество ответов на эти вопросы. Нередко противоположных. Их можно свести к нескольким направлениям: реализм, эмпиризм, инструментализм и индукция, логический позитивизм и фальсифицируемость.
Реализм против эмпиризма
Реализм уверен в том, что наука занимается в своих исследованиях реальным миром, а не той его конструкцией, которая дана лишь в ощущениях. Напротив, эмпиризм, исходит из положения о том, что все, что мы знаем, мы знаем через органы чувств. Значит, наше знание является временным и ограниченным.
Главным аргументом в пользу реализма может стать точность научных теорий. Если мы имеем теорию достаточно точную, чтобы с ее помощью быть способными предсказывать будущее состояние системы, значит, мы описываем реальный мир. В большей степени это справедливо для физических наук. В финансовом мире любая теория будет ограниченной в своих возможностях предсказания и подчиненной искажениям.
Дедукция, индукция и абдукция
В философии науки мы различаем несколько форм логических рассуждений.
Количественные теории рынка построены на индукции через эмпирические наблюдения. Подобные теории легко опровергаются при наличии противоречащих друг другу данных. Они могут быть стройными на бумаге, но на практике чаще всего являются предметом веры своих приверженцев, которые упускают факты, не вписывающиеся в модель.
Читатель, наверняка, уже задается вопросом, как философия науки помогает стать квантом? Ее идеология важна для понимания ограничений возможностей нашего знания о финансовых рынках. Как бы глубоко финансовые теории не были укоренены в эмпирических данных, не казались непогрешимыми, они хрупки по своей природе. К ним относятся все популярные предпосылки количественных моделей: возвраты нормального распределения, линейность, стационарность, гипотезы случайных блужданий и эффективности рынка.
Научный метод
Научный метод помогает сделать мышление более четким и строгим и увеличить тестируемость модели и проверяемость, лежащих в ее основе гипотез.
Научный метод – это непрерывный процесс, включающий систематические наблюдения, количественные измерения, эксперимент, получения гипотез, проверку гипотез и их совершенствование. Автор предлагает пройти весь путь научного метода на примере теории случайных блужданий.
Наблюдения
В контексте финансовых рынков мы обычно извлекаем полезную информацию из книг, статей, средств массовой информации и даже иногда, почитывая хорошие (или не очень) блоги на заданную тематику. Что мы в них находим? Во многих академических изданиях имеется утверждение о том, что рынок ведет себя случайным образом, в нем действуют стохастические процессы.
Здесь важно начать задавать вопросы. Первые вопросы, которые помогут нам как-то оценить данное предположение могут быть самыми простыми: кто, что, когда и зачем? Попробуем посмотреть с этой точки зрения на гипотезу случайных блужданий.
Формирование гипотезы
Гипотеза – это декларативное утверждение, которое обосновывает взаимоотношения между набором переменных. Хорошая гипотеза должна быть лаконичная, проверяемая, учитывающая весь предыдущий накопленный опыт исследований. Возьмем, для примера, следующие интересные идею, которую прислал автору один из постоянных читателей его блога.
Возвраты рынка демонстрируют случайность, поскольку рынок способен быстро адаптироваться, чтобы избавиться от любых слабых мест.
Мысль хорошая. Но сама по себе гипотеза так себе. Многие термины не определены, слишком много всего намешано в одну кучу, и ее не так-то просто проверить. Попробуем разбить эту гипотезу на несколько отдельных.
Гипотеза 1. Движения рынка (вверх или вниз) неотличимы от бинарных случайных последовательностей Мартина-Лёфа.
Разбор автором гипотезы случайного блуждания, привел его к выводу, что рынок не является случайным, по крайней мере, в таких жестких терминах. Вслед за этим появляется множество других вопросов, требующих дополнительных исследований. Следовательно, эту новую гипотезу можно разбить еще на две части.
Гипотеза 2. Эффективность рынка, временная доступность всем участникам любой информации, вынуждает рынок развиваться случайно.
В одном из следующих материалов автор обещает рассказать, как проверить эту гипотезу на истинность. Пока же, тем, кто интересуется, можно почитать две статьи на эту тему: «Неприятие рисков и мартингальное свойство рыночных цен», Ле Рой, 1973 год, и «Цены на активы в экономике обмена», Лукас, 1978 год. (по ссылке оба материала почему-то недоступны – прим. переводчика). В них исследователи пытаются выяснить, как влияет доступ к информации рациональных агентов рынка на случайное распределение цен. В общих чертах вывод таков: свободный доступ к данным может вести к случайному движению рынка, а может и не вести. То есть эффективность еще не означает случайность.
Далее все это нас приводит к третьей гипотезе, которую исследуют относительно редко, по причине того, что ее сложно проверить.
Гипотеза 3. Вне зависимости от того, развивается ли рынок случайно или нет, все возможности заработать на нем вымываются слишком быстро, чтобы инвесторы успели построить постоянную эффективную стратегию.
Эта гипотеза не слишком лаконична и декларативна. Ее довольно сложно опровергнуть или подтвердить. То есть по всем параметрам она не так изящна, как предыдущие. Поэтому на данном этапе ей можно пренебречь.
Разработка тестируемых прогнозов
Для того чтобы построить прогноз, нужно для начала определиться, верна ли ваша гипотеза. Затем следует понять, какие величины включать в прогноз. Например, если мы за базовую берем первую гипотезу, то возвраты рынка (вверх или вниз) можно проверить и рассчитать с помощью набора статистических тестов NIST. Их поведение должно соответствовать бинарной последовательности Мартина-Лёфа. В одном из прошлых постов автор уже проделывал эту операцию, используя генератор псевдослучайных чисел под названием «Вихрь Мерсенна». Выяснилось, что данная гипотеза неверна.
Многие люди совершают одну и ту же ошибку: они уверены, что в исследовании все дело в одной объективности. На самом деле, не так уж важно, верна гипотеза или ложна. Важно, что при любом раскладе мы приносим новую информацию в научное знание по конкретной проблеме.
Для того чтобы проверить вторую гипотезу, придется пойти на шаг дальше: создать модель базового агента, в которой эффективность будет гарантирована. Из этой модели мы затем извлечем последовательности возврата и протестируем их на предмет случайности. О моделях будет рассказано чуть ниже.
Сбор данных для проверки предсказания
Название этого этапа говорит само за себя. Единственная вещь, о которой стоит предупредить: данные для проверки нужно брать из реального мира (эмпирические данные). На крайний случай, они могут происходить из модели, соответствующей гипотезе. Оба подхода имеют свои плюсы и минусы. С эмпирическими данными многое зависит от того, как вы их измеряете, собираете и храните. Имитирующие данные предполагают, что выполнение модели было сделано корректно.
Уточнение или опровержение гипотезы
Опираясь на собранные данные, мы можем ответить на вопрос, были ли предсказания верны, и подтвердили ли доказательства нашу гипотезу. Важно отметить, что при положительном варианте, речь идет лишь о поддержке гипотезы. Доказать, что она верна мы не можем. Во втором случае, гипотеза считается ложной.
Создание общей теории
Итак, мы собрали достаточное число гипотез, тщательно их протестировали. Теперь мы можем собрать из них одну общую теорию. Например, для теории портфельного выбора потребовались десятки лет исследований взаимоотношений между риском и прибылью, прежде чем она была принята научным сообществом. На момент публикации докторской диссертации Марковицем, в теорию портфеля практически никто не верил. Ему даже хотели отказать в присуждении степени доктора экономических наук.
История, по правде говоря, весьма поучительная. Если ваша идея непопулярна, это еще не значит, что она неверна. Сообщество финансистов очень консервативно. Устаревшие идеи и подходы здесь отстаиваются с почти религиозным пафосом и серьезностью. В навыки кванта как раз и входит умение смотреть на этот мир объективно и постоянно бороться с мифами о финансовых рынках. Забудьте о консенсусе, занимайтесь поиском истины.
Мыслить моделями
Как стать квантом? Оформляйте свои идеи в модели. Затем пользуйтесь этими моделями, чтобы упорядочить свое мышление, проверить и обосновать свои идеи, выявить скрытые паттерны.
Модель – это репрезентация отдельных объектов или процессов, существующих в реальном мире. Для построения моделей кванты используют методы математики и компьютерных наук. Квант, например, может собрать модель рисков, сопряженных с конкретных портфелем активов. Почему на первый план выдвинуты именно модели? Тем более что некоторые полагают, что такой тип мышления лежал в основе финансового кризиса 2008 года.
Модели помогают нам более ясно мыслить
Развивая идею до уровня подходящей модели, сделанной в коде или прописанной в математических формулах, не важно, заставляет более четко видеть смысл, достоинства и недостатки самой идеи. Мы смотрим на умозрительные вещи в терминах инпутов, аутпутов и технологических процессов. Через модель и процессы можно обнаружить недостающие части и исправить неточности.
Модели проверяемы, интуиция нет
Как только идея была систематизирована и закодирована в модель, она становится проверяемой. В конечном итоге, мы можем увидеть, насколько идея соответствует реальному раскладу вещей. Возьмем, для примера, стохастическую модель броуновского движения в применении к рынку ценных бумаг. Как она соотносится с реальным миром? Учитывает ли они падения рынков? Учитывает ли она периоды высокой и низкой волатильности? Ответ, разумеется, отрицательный. Все это заставляет нас заняться разработкой более качественной стохастической модели: модели диффузионных скачков Мертона и модели стохастической волатильности Хестона.
Другой, общий вариант проверки модели – посмотреть, как она ведет себя на исторических данных. Возьмем обычную инвестиционную стратегию смещенного значения. Пока она зиждется на интуиции брокера, нельзя проверить, могла ли она приносить хорошую отдачу в прошлом. Можно лишь верить словам финансового управляющего, что он хорош в своем деле.
Модели помогают находить скрытые паттерны
Забудьте на время про поиск паттернов с помощью машинного обучения и нейронных сетей. Даже отжившие простые модели могут находить скрытые паттерны и открывать новое понимание привычных вещей.
Возьмем пример из другой области. Сколько, по вашему мнению, человек в отдельном городе должны быть расистами, чтобы уровень расовой сегрегации достиг 80%? Ученые выяснили, что достаточно, чтобы 30% людей были расистами для возникновения расовой сегрегации в относительно изолированном обществе. Все это можно просчитать с помощью старой модели сегрегации Шеллинга. И таких примеров, когда модель открывает нам новое знание о привычных вещах, масса. Тем, кто интересуется, автор советует пройти курс понимания моделей на Coursera.
Математические или компьютерные модели помогают нам отойти от умозрительных построений и снять когнитивную нагрузку на отдельного человека. Проще говоря, они делают нас умнее. Гораздо умнее.
Заключение
Количественные финансы – это идеология, и быть квантом – значит намного больше, чем быть просто математиком или знать, как писать код. Это история о приверженности научному методу и способности его применять для изучения финансовых рынков в целом. Учитывая это, автор дает единственный совет тем, кто намеревается стать квантом: просто будьте им, вне зависимости от названия своей должности. Нет причин для того, чтобы фундаментальные принципы и количественные методы нельзя было бы применить для других сфер финансовых услуг или даже для нефинансовых компаний. Вполне вероятно, что через десяток лет станет привычным и количественное банковское инвестирование и количественный венчурный капитализм. Даже если вы сможете просто грамотно расписать принципы этой идеологии на своем собеседовании, это уже будет большим плюсом.