Carmot Capital-最佳统计套利对冲基金

Carmot Capital设计了一项投资策略，可在市场压力时期提供最高回报。Carmot于2013年由硅谷的CFA乔治·索科洛夫（George Sokoloff）博士和硅谷的Gerd Infanger博士创立，利用其经验和人工智能模型来管理市场中立的统计套利基金，该基金从出乎意料的可预测混乱中获利。

Carmot这个名字源于将贱金属转变为黄金的炼金工艺。人们认为，卡莫特（Carmot）是这位哲学家石头上的神话元素，并且是在硅谷中心运营的少数对冲基金之一的名字。

Carmot的Tail Risk Plus策略使用领先的机器学习算法来在高波动期和低波动期产生收益。与尾部风险策略不同，Carmot不使用衍生工具来获取收益，即使在良性市场中也能提供正收益

Sokoloff（如图）说：“我们合成的流动性是短期的，而不是长期的波动性。”“波动不过是流动性不足的副产品。当市场无法吸收大量的机构贸易流量时，我们会在统计上看到更大的价格冲击。这对我们来说很好。我们的算法经过调整，可以检测到更大，更一致的价格波动，并以很高的准确性预测大型交易员对其投资组合所做的工作。当波动率很高时，我们的回报显然会更强，但至关重要的是，当波动率较低时，我们仍然会看到这些变动的一部分。我们仍然可以利用这些信息来赚钱。”

“我们知道，当人们惊慌时，他们往往会一起惊慌，他们倾向于以可预见的方式惊慌。这种情况在所有投资者中都会发生，甚至包括在违反风险控制措施并且人们做出削减敞口和清算头寸的决定时，甚至是量化对冲基金。

“这些是我们赖以生存的市场制度；能够预测混乱时期的股票走势。”

Carmot的算法可寻找大型机构交易员每天将大量投资组合推向市场的明显迹象。这些投资者通常经历一定的交易生命周期。他们试图限制对市场的影响，并增强其积极性，以随着时间的推移推动交易。

“这就是我们进入的地方。当机构同时将多只股票推入市场时，它们被迫在正在买卖的股票上建立特定的模式。我们的目标是破译其交易清单的组成部分以及这些股票在未来的发展方向。” Sokoloff解释说。

确实，这是机器学习算法擅长解决的问题。在行为混乱的元素之间寻找共同点，并根据它们过去的移动方式来确定这些元素将来的发展方向。过去是几个月还是几分钟。

波动性正在卷土重来，对此我们感到高兴。每次出现波动性峰值时，策略都会表现出色。索科洛夫说。

Carmot Capital现在已准备好进行规模扩展，并与索科洛夫（Sokoloff）合作，为更广泛的有限合伙人提供服务，确认其正在着手进行新的研究，其中包括解密所谓“主题波动性”的项目。 ñ