George Patterson อดีตวิศวกร NASA ทำการคำนวณโดยใช้รูปแบบต่างๆ มากถึง 2 หรือ 3 ล้านล้านรูปแบบ เพื่อทำให้ลูกค้าแต่ละรายของ Prudential Financial พึงพอใจ
ณ สำนักงานของ PGIM Quantitative Solutions ใน Newark รัฐ New Jersey ได้นำทฤษฎีบททางฟิสิกส์มาใช้กับการคัดหุ้นในตลาด โดย George N. Patterson นักฟิสิกส์ระดับปริญญาเอก ซึ่งเคยทำงานให้องค์การบริหารการบินและอวกาศแห่งชาติ (National Aeronautics and Space Administration หรือ NASA) แต่เส้นทางอาชีพพลิกผันมาทางสายการลงทุน รับหน้าที่ดูแลทีมวิจัยที่มีลูกทีมดีกรีปริญญาเอกถึง 13 คน
นักฟิสิกส์มาเกี่ยวอะไรกับตลาดหุ้น Wall Street? ถ้าคุณเข้าใจสมการเชิงอนุพันธ์ย่อย คุณจะพบว่ามันไม่ใช่เรื่องแปลกประหลาดแต่อย่างใด เพราะสมการที่ใช้อธิบายการเคลื่อนไหวของราคาหุ้นแทบจะเหมือนกันเป๊ะกับสมการที่ใช้อธิบายการเคลื่อนตัวของคลื่นความร้อน
อย่างไรก็ตาม หลักการของวิทยาศาสตร์ธรรมชาติกับแวดวงการเงินยังมีข้อแตกต่างกันอย่างใหญ่หลวงอยู่ข้อหนึ่งนั่นก็คือ โลกของเราเคลื่อนไหวตามแนวโน้มที่สามารถคาดการณ์ได้ล่วงหน้า ในขณะที่บางครั้งตลาดหลักทรัพย์ก็เคลื่อนไหวแบบหลุดโลก ซึ่ง Patterson พูดถึงเรื่องนี้ว่า “แรงโน้มถ่วงไม่เคยมีปีที่เลวร้าย”
ในฐานะประธานเจ้าหน้าที่ฝ่ายการลงทุนของ PGIM Quant ภารกิจของ Patterson คือ ต้องปรับทฤษฎีที่เป็นนามธรรมในตำราการเงินให้สามารถนำมาใช้ได้จริงในการสร้างพอร์ตการลงทุนที่มีทั้งหุ้น พันธบัตร และสินค้าโภคภัณฑ์ให้กับลูกค้าซึ่งส่วนใหญ่อยู่ในกลุ่มสถาบัน โดยเขาใช้เครื่องมืออย่างฟังก์ชันการแจกแจงร่วมของตัวแปรสุ่ม กราฟระบุทิศทาง และแบบจำลองซ่อนเร้นของ Markov (hidden Markov model) โดยใช้ข้อมูลนำเข้าขนาดมหาศาลถึง 61 เทระไบต์ เพื่อให้ได้ผลงานเป็นการซื้อขายปีละ 400,000 ธุรกรรม
“เราเป็นเหมือนวาฬกรองกินที่กรองกุ้งฝอยตัวเล็กจิ๋ว” Patterson กล่าว ซึ่งถ้าจะว่าไปแล้วบริษัทของเขานับเป็นวาฬตัวหนึ่งที่แหวกว่ายอยู่ท่ามกลางวาฬฝูงใหญ่ โดยเม็ดเงินที่อยู่ภายใต้การบริหารของ PGIM Quant คิดเป็นมูลค่าเพียง 1.02 แสนล้านเหรียญสหรัฐฯ จากมูลค่าทั้งหมด 1.3 ล้านล้านเหรียญ ที่อยู่ภายใต้การบริหารของเครือบริษัทประกันที่มีประวัติยาวนานถึง 149 ปีอย่าง Prudential Financial
Patterson ในวัย 58 ปี ยังจำภาพวัยเด็กได้อย่างติดตาตอนที่เขาติดตามพ่อซึ่งเป็นนักค้าสินค้าโภคภัณฑ์ไปที่ตลาดซื้อขายล่วงหน้าสินค้าโภคภัณฑ์ (New York Mercantile Exchange) ดังนั้น จึงไม่น่าแปลกใจที่ในช่วงต้นของชีวิตการทำงาน ขณะที่เขาง่วนอยู่กับการคำนวณแบบจำลองด้วยคอมพิวเตอร์ในห้องทดลองของ NASA ที่ Pasadena ในรัฐ California เขาจะถูก Barclays Global Investors มาดึงตัวไป โดยเขาได้เข้าทำงานที่ PGIM ในปี 2017
คุณสามารถหาผลตอบแทนให้ได้ดีกว่าตลาดโดยอาศัยห้อง 1 ห้องที่วางเต็มไปด้วยคอมพิวเตอร์ได้หรือไม่? คำตอบคือได้แต่ก็ไม่ง่ายเลย อย่างไรก็ตาม PGIM ไม่ได้เปิดเผยผลการดำเนินงานของแต่ละบัญชีที่บริษัทบริหารจัดการแยกกันเป็นเอกเทศตลอด 49 ปีที่ผ่านมา ยกเว้นบางกองทุนที่มีขนาดเล็กและกองทุนรวมบางกองที่เพิ่งตั้งมาไม่นาน
ทั้งนี้ PGIM Quant บริหารทั้งบริษัทขนาดใหญ่ บริษัทขนาดเล็ก และกองทุนระหว่างประเทศ โดยมีผลการดำเนินงานก่อนหักค่าใช้จ่ายในช่วง 5 ปีที่ผ่านมา (ตาม Morningstar) สูงกว่าดัชนีที่เกี่ยวข้อง (แต่หากรวมค่าใช้จ่ายแล้วจะต่ำกว่า) ในขณะเดียวกันกลุ่มลูกค้าสถาบันซึ่งจ่ายค่าธรรมเนียมต่ำกว่า (ค่าธรรมเนียมรายปีที่บริษัทระบุไว้อยู่ที่ 0.3-0.65% ของมูลค่าสินทรัพย์) น่าจะได้รับผลตอบแทนดีกว่า
ผู้เชี่ยวชาญด้านคอมพิวเตอร์ของ PGIM สามารถตอบสนองความต้องการของลูกค้าด้วยการหาผลตอบแทนให้ได้ตามเกณฑ์อ้างอิง เพราะลูกค้าประเภททุนสะสมหรือกองทุนบำนาญมีข้อจำกัดด้านการลงทุนเฉพาะตัวที่แตกต่างกันไป โดยลูกค้าบางรายอาจจะอยากหาผลตอบแทนให้ได้เท่ากับ S&P 500 โดยไม่ต้องการถือหุ้นที่เกี่ยวข้องกับการใช้พลังงานจากฟอสซิล ในขณะที่ลูกค้าบางรายอาจจะไม่ต้องการถือหุ้นที่เกี่ยวข้องกับธุรกิจอาวุธหรือบุหรี่ หรืออาจจะมีลูกค้าบางรายที่อยากลดน้ำหนักการลงทุนในหุ้นบางกลุ่มที่เข้าไปลงทุนมากเกินไปแล้วในบัญชีอื่นๆ ของพอร์ตการลงทุน
เป้าหมายก็คือ การทำคะแนนให้ได้มากที่สุด โดยประเมินจากผลตอบแทนที่คาดว่าจะได้รับหักด้วยความเสี่ยง ทั้งนี้ต้องนับความเสี่ยงด้วย มิฉะนั้นพอร์ตการลงทุนทั้งพอร์ตก็จะมีแต่หุ้นที่เน้นเติบโตแบบพรวดพราดอย่าง Nvidia และ Netflix เท่านั้น ซึ่งแม้ว่าพอร์ตที่มีแต่หุ้นประเภทนี้จะให้ผลตอบแทนสูงมากในช่วงนี้ แต่มันไม่ใช่สิ่งที่ลูกค้าต้องการและอาจจะดูไม่เข้ากันเลยกับสถาบันที่เน้นลงทุนแบบระมัดระวังอย่าง Prudential ซึ่งในช่วงที่เริ่มก่อตั้งกิจการใช้ชื่อว่า Widows & Orphans Friendly Society
ที่ PGIM Quant คอมพิวเตอร์ที่มีการกำหนดค่าความเสี่ยงเอาไว้อย่างเหมาะสมจะหาจุดที่ดีที่สุดจากมิติการลงทุนนับพัน ซึ่งแต่ละมิติจะเป็นตัวแทนของหลักทรัพย์ที่สามารถเข้าไปลงทุนได้ ยังดีที่ชิปในปัจจุบันทำงานได้อย่างรวดเร็วทำให้ในแต่ละวันบริษัทสามารถคำนวณรูปแบบการลงทุนได้มากถึง 3 ล้านล้านครั้งเพื่อหาโซลูชันการลงทุนที่ดีและเหมาะสมที่สุดให้กับลูกค้าแต่ละราย
Harry Markowitz นักเศรษฐศาสตร์สัญชาติอเมริกันผู้เสียชีวิตไปแล้วเคยอธิบายถึงความสัมพันธ์ระหว่างความเสี่ยงและรางวัลเอาไว้ตั้งแต่เมื่อ 72 ปีก่อน เขาทำการคำนวณหาผลตอบแทนที่ได้จากการกระจายการลงทุนโดยพิจารณาจากความแปรปรวนร่วมของหุ้น 2 ตัว ซึ่งใช้วัดความน่าจะเป็นที่หุ้นทั้ง 2 ตัวจะเคลื่อนไหวในจังหวะเดียวกัน แนวทางนี้คือ การเฟ้นหาหุ้นที่มีตัวแปรต่ำ (หรือหากติดลบได้ยิ่งดี)
Patterson บอกว่า ในตำราการเงินภาพทุกอย่างก็ดูดีงามไปหมด แต่ในโลกของความเป็นจริงนั้นมีอันตรายสูงมาก เพราะในการวัดค่าความแปรปรวนราคาหุ้นย้อนหลังไปหลายๆ ปี ซึ่ง Patterson บอกว่า ข้อมูลนำเข้าประเภทนี้มีสิ่งที่ในวงการวิศวกรรมไฟฟ้าเรียกว่า “เสียงรบกวน” ยกตัวอย่างเช่น หากกำหนดให้คอมพิวเตอร์คำนวณโดยดูจากราคาหุ้นในอดีตก็อาจจะได้ผลแบบฟลุกๆ ออกมา เช่น พบว่าหุ้นของบริษัทรถยนต์สักแห่งกับบริษัทผลิตอาหารปลามีความแปรปรวนต่ำ ซึ่งในกรณีนี้คอมพิวเตอร์จะบอกคุณว่าพอร์ตหุ้นที่มีหุ้น Tesla กับหุ้นบริษัทผลิตอาหารปลาจะมีความเสถียรเป็นพิเศษ แต่ว่านี่เป็นเรื่องที่ไร้สาระ
ปัญหาสำคัญอีกข้อหนึ่งของทฤษฎีการจัดพอร์ตแบบคลาสสิกก็คือ การใช้สมมติฐานว่าความแปรปรวนเป็นค่าคงที่เพียงค่าเดียว ซึ่งในโลกของความเป็นจริงนั้นสินทรัพย์ 2 ชนิดอาจจะมีความสัมพันธ์แบบพึ่งพากันต่ำในช่วงที่ตลาดนิ่ง แต่ความสัมพันธ์ดังกล่าวอาจจะพุ่งสูงขึ้นในช่วงที่ตลาดผันผวน และนี่ก็คือแก่นของปัญหาในช่วงที่เกิดวิกฤตเศรษฐกิจโลก นั่นคือทุกอย่างพังครืนลงมาพร้อมๆ กัน
จากบทเรียนราคาแพงที่ได้จากวิกฤตรอบก่อนๆ นักวิเคราะห์เชิงปริมาณทุกวันนี้จึงวัดความสัมพันธ์ระหว่างหุ้นโดยใช้ฟังก์ชันการแจกแจงร่วมของตัวแปรสุ่ม (copula) ซึ่งเปิดโอกาสให้หุ้นแต่ละตัวมีความสัมพันธ์แบบพึ่งพากันมากขึ้นได้ในช่วงที่ตลาดอยู่ในขาลง โดยการวิเคราะห์ของ PGIM จะใช้แนวทางเหล่านี้ร่วมกับการคัดกรองด้วยเครื่องมืออื่นๆ ประกอบ
ทีมงานของ Patterson จัดทำกราฟขึ้นมารูปหนึ่งโดยอาศัยข้อมูลของหุ้นที่มีการแจ้งต่อตลาดหลักทรัพย์เพื่อวัดความเชื่อมโยงระหว่างกัน (เช่น Jeld-Wen ซึ่งเป็นบริษัทผลิตประตูเปิดเผยว่า 15% ของรายได้บริษัทมาจาก Home Depot) ในขณะเดียวกันพวกเขาก็จะใช้แบบจำลอง Markov เพื่ออธิบายการเคลื่อนไหวของตลาดหุ้น
อย่างไรก็ตาม Patterson ไม่ต้องการให้นักเศรษฐศาสตร์ในทีมของเขาฟุ้งซ่านกับเรื่องพวกนี้มากเกินไป เพราะเขามองว่างานวิเคราะห์เชิงปริมาณเป็นเหมือน “อาวุธที่บรรจุกระสุนแล้ว” ดังนั้น ถ้าคอมพิวเตอร์คำนวณออกมาแล้วพบ “ความผิดปกติทางสถิติที่เหมือนจะใช้การได้แต่ว่าไม่รู้สาเหตุ” เขาจะไม่นำผลที่ได้นั้นมาใช้ Patterson นิยามเป้าหมายของเขาคล้ายๆ กับวาทะที่ผู้คนเชื่อกันว่าเป็นของ Albert Einstein ว่า “จงสร้างแบบจำลองของโลกแห่งความเป็นจริงด้วยความซับซ้อนอย่างเพียงพอ แต่อย่าให้มากไปกว่านั้น”
เรื่อง: William Baldwin เรียบเรียง: พิษณุ พรหมจรรยา
ภาพ: Victor Llorente
เรื่องราวอื่นๆ ที่น่าสนใจ : Promise สตาร์ทอัพนักติดตามหนี้ ผู้มีเมตตา
