Französischer Top-Quant: Die besten Mathematiker kommen aus Frankreich oder Russland
Raphael Douady kennt jede Menge junger Quants. Er ist aktuell als Research Professor (an der Universität Paris I: Panthéon-Sorbonne) in Paris. Zuvor war er vier Jahre lang Professor für Quantitative Finance an der Stony Brook University in New York und Gastprofessor an der New York University. Er hat auf beiden Seiten des Atlantiks im Bereich des quantitative Finance gearbeitet und ist in seiner fast 30-jährigen Karriere zu einem bemerkenswerten Schluss gekommen: Mathematiker, die aus Frankreich kommen, haben ein weitaus höheres Niveau als fast alle ihre Counterparts aus anderen Ländern.
„Das allgemeine Niveau der mathematischen Bildung in Frankreich ist extrem hoch“, meint Douady. „Stony Brook ist eine der besten Universitäten in den USA, und doch habe ich meinen Studierenden dort Begriffe beigebracht, die man in Frankreich in der High School lernt. Das einzige Land, das in der Mathematik-Ausbildung ein ähnliches Niveau hat, ist Russland.“
Dass es viele russische Quants im Banking gibt, hatten wir bereits beim Ausbruch des Ukrainekrieges vor einigen Wochen erläutert. Douady bestätigt, dass 33 Prozent der Quants an der Wall Street aus Amerika kommen, 33 Prozent aus Frankreich, 15 Prozent aus Russland und der Rest aus Ländern wie China. Großbritannien verfüge mit Oxford, Cambridge, Imperial und Warwick über „ein paar gute Universitäten“, sagt Douady, aber der allgemeine Standard der mathematischen Ausbildung sei in Großbritannien einfach nicht derselbe.
Während das allgemeine Mathe-Niveau in Frankreich überdurchschnittlich hoch ist, gibt es laut Douady einen Bereich, in dem Frankreich zurückfällt: Statistik und damit auch Data Science. „Frankreich sieht Statistik als einen Zweig der Mathematik, obwohl sie in Wirklichkeit eine eigene Wissenschaft ist, so wie die Physik eine Wissenschaft ist, die sich der Mathematik bedient“, sagt Douady. „Es gibt eine starke Wechselwirkung zwischen Mathematik und Physik, aber die Physik ist kein Zweig der Mathematik.“
Dass französische Quants in Sachen Statistik schwächeln, fällt ins Gewicht, aber nur bedingt. Französische Mathematiker haben eine so breite Basis in Mathematik, dass sie sich sehr schnell anpassen können, sagt Douady: „Wenn man sich mit Dingen wie Machine Learning befasst, können die Franzosen mit ihrem hohen Wissensstand in Funktionaler Analysis und Geometrie sich das in einer Geschwindigkeit draufschaffen, bei der kein Amerikaner mithalten kann.“
Douady selbst hat sich auf Machine Learning und Data Science spezialisiert. In Zusammenarbeit mit seinem Doktoranden Thomas Barrau (derzeit Quant Researcher bei Axa IM in Hongkong) hat er vor Kurzem ein Buch über Artificial Intelligence for Financial Markets verfasst, in dem er eine neue KI-Technik vorschlägt, die auf mehreren nichtlinearen univariaten Modellen anstelle der traditionellen multivariaten Regressionen basiert. Die als Polymodelle bekannte Technik eignet sich laut Douady besonders für hochgradig unsichere Märkte: Bei einem herkömmlichen Ansatz würden Quants nach Korrelationen zwischen ihren Anlagen oder ihrem Portfolio mit einer begrenzten Anzahl von Risikofaktoren (in der Regel fünf bis zehn) suchen. Mit dem Polymodel-Ansatz können sie zwischen 100 und 1.000 solcher Faktoren berücksichtigen: Das System generiert mehrere Modelle, auf die je nach Situation zurückgegriffen werden kann. Mithilfe eines Machine-Learning-Layers wird das relevanteste Signal identifiziert.
Douady hat diesen Ansatz über Jahre hinweg verfeinert. Anfang der 2000-er Jahre wurde er von einem Hedgefonds-Vermögensverwalter gebeten, das Fondsrisiko anhand historischer Renditen vorherzusagen. Er nahm an verschiedenen Meetings mit einem als „Pionier in der Hedgefonds-Branche“ bezeichneten Franzosen teil und bemerkte, dass er die meiste Zeit damit verbrachte, einmalige Ereignisse zu diskutieren. „Er sprach fünf Minuten lang über Sharpe Ratios und Volatilitätskorrelation und redete dann 55 Minuten darüber, was an einem bestimmten Tag passiert ist, an dem die Kollegen Geld verloren haben. Welche Anlagen der Fonds zuerst liquidiert hat und dergleichen.“ Douady sagt, dass die klassischen Risikomodelle zu beschränkt waren, um die notwendige Informationsbreite zu erfassen.
Er sagt, dass sich die Märkte derzeit in einem „kritischen Moment“ für quantitative Risikomanager befinden, dass aber der Beruf des Quant-Risk-Managers immer mit Widersprüchen behaftet ist: „Selbst wenn ich Ihnen sage, dass ein 25-prozentiges Risiko eines Marktcrashs wie 2008 besteht, liegt die Wahrscheinlichkeit, dass es ihn nicht gibt, noch immer bei 75 Prozent.“
Quants in Frankreich und weltweit müssen sich mit Machine-Learning-Techniken vertraut machen, so Douady: „Das Machine Learning erobert den gesamten Raum.“ Unabhängig davon, ob man auf der Sell-Side (bei einer Bank) oder auf der Buy-Side (in einem Fonds) arbeiten möchte, sei es hilfreich, komplexe mathematische Techniken wie Differentialgleichungen, Differentialgeometrie, Algorithmen, Kontrolltheorie und harmonische Analyse zu verstehen, die französische Quants so gut beherrschen.
Hedgefonds setzen Quants zunehmend für die Optimierung der Geschäftsausführung und fürs Marketmaking ein, sagt er: „Die großen Hedgefonds haben zwei Hauptfunktionen: Die eine besteht darin, die richtige Wette zu finden, um an den Märkten Geld zu verdienen, die andere darin, einfach Liquidität zu schaffen und als Marketmaker aufzutreten. Sie werden die Details nie verraten, aber ich kann mit Sicherheit sagen, dass sie auch Market-Maker sind.“
Have a confidential story, tip, or comment you’d like to share? Contact: sbutcher@efinancialcareers.com in the first instance. Whatsapp/Signal/Telegram also available (Telegram: @SarahButcher)
Bear with us if you leave a comment at the bottom of this article: all our comments are moderated by human beings. Sometimes these humans might be asleep, or away from their desks, so it may take a while for your comment to appear. Eventually it will – unless it’s offensive or libelous (in which case it won’t.)
