Casual
РЦБ.RU
  • Автор
  • Елисеева Ирина, Руководитель отдела регионального развития Учебного центра «ФИНАМ»

  • Все статьи автора

Проблемы оценки результатов управления портфелем на фондовом рынке

Декабрь 2011

В связи с растущим интересом к фондовому рынку в целом и к поиску инструментов инвестирования, приносящих прибыль, в частности сегодня все больше внимания уделяется анализу работы управляющих компаний. К сожалению, в настоящий момент в практике брокерских компаний отсутствуют строгие понятия и критерии оценки эффективности торговых стратегий. Почему сложилась такая ситуация, почему большинство фондов предпочитают пассивное инвестирование и реально ли оценить результативность, устойчивость и другие парамет­ры, по которым можно сравнить существующие стратегии?

Как работают управляющие

Есть несколько моделей формирования цены. Например, на вход подается математическое ожидание. Система выдает несколько тысяч возможных синтетических движений цены на акцию. При этом есть вероятность, что ни одна их них не будет совпадать с реальной ценой или одна их них приблизится к реальному поведению цены. Далее оцениваются все варианты, предложенные системой, и получается 10 тыс. разных наборов доходностей, для которых рассчитываются доходность, максимальная просадка и коэффициент Шарпа.

С помощью этих параметров оценивается система. Однако на практике трейдеры и потенциальные клиенты могут столкнуться с различными манипуляциями — можно, например, представить историю доходности за последние два года, которые могли стать периодом роста, или данные за последние 10 лет, однако здесь результат может быть не таким позитивным. Обычно брокеры не любят распространяться о параметрах системы, поскольку это чревато утечкой внутренней информации.

В России на текущий момент доверительное управление для клиентов в основном базируется на фундаментальном анализе. Наиболее известные компании дают больше рекомендаций по теории Марковица, которая применительно к формированию портфеля заключается в рассмотрении доходностей ценных бумаг как случайных величин, при этом математическое ожидание является аналогом прогнозируемой доходности, а стандартное отклонение служит мерой риска.

Изначально вводится допущение, что трейдер выбирает портфель ценных бумаг только на основании оценки доходности и риска. Следующий шаг трейдера — выбор из двух портфелей с одинаковой ожидаемой доходностью портфеля с меньшим риском. Однако при работе по теории Марковица существуют и другие допущения:

1. Трейдер не открывает короткие позиции. В данном случае разрешено использование только длинных позиций в расчете на удорожание актива.

2. Доходности портфеля, составленного трейдером, являются случайной величиной.

3. Случайными являются величины доходности активов, из которых состоит рынок. Количество активов конечно.

4. Трейдер знает математическое ожидание доходности по каждому из активов и попарные ковариации доходностей (или соглашается с тем, что имеющиеся в его распоряжении исторические данные позволяют оценить значения этих величин в будущем).

Применив теорию Марковица, трейдер на выходе имеет множество неулучшаемых портфелей по критерию соотношения «риск/доходность», и это означает, что потенциальная доходность не может быть увеличена без возрастания риска и, наоборот, риск не может быть уменьшен без снижения ожидаемой доходности. Бумаги, которые включаются в портфель изначально, до определения приемлемого соотношения «риск/доходность», выбираются исходя из фундаментального анализа и по основным характеристикам: ликвидности, низкой корреляции между бумагами, потенциалу роста.

Этот подход в современной России наиболее популярен и оправдан тем, что крупные инвесторы не воспринимают такой инструмент, как механические торговые системы. И поскольку управляющий бизнес зависит от количества средств, привлеченных в управление, управляющие компании ориентируются на то, что доступно пониманию потенциальных клиентов (см. таблицу).

Результаты проведенных исследований объясняют существующую политику управляющих компаний. Неготовность клиентов инвестировать значительные суммы денег, опираясь на технический анализ (например, систему, построенную на пересечении двух скользящих средних), компенсируется их преклонением перед экономическими показателями компании и верой в политические факторы, которые, на взгляд многих клиентов, более объективны. Поскольку уровень финансовой грамотности населения весьма невысок, в большинстве управляющих компаний, если говорить о паевых инвестиционных фондах, условия управления диктует маркетинг. Основная проблема, которая волнует клиентов, — отклонение доходности фонда от индекса. Это объясняется психологической составляющей: зачем платить за управление, если можно купить индекс? Соответственно, в ожиданиях клиентов доходность по фонду должна превосходить доходность отдельного индекса. На практике очень сложно объяснить клиентам разницу в доходностях индекса и фонда, если прирост индекса оказался больше прироста активов фонда. Однако объяснить падение на величину, равную падению рынка в целом, достаточно просто. В связи с этим большинство управляющих компаний в данный момент фактически сводят управление фондом к работе по индексу. Также результативность фондов сравнивается со значением Индекса ММВБ. В итоге большинство фондов применяют пассивное инвестирование.

И все же какими знаниями должны обладать грамотный инвестор и знающий управляющий, которые не намерены ограничиваться пассивным инвестированием, чтобы оценить систему?

Система начинается с разработки

Как театр начинается с вешалки, так и система начинается с ее разработки. Создание систем на продвинутом уровне происходит в таких современных программах, как MetaStock от Equis, Omega Research ProSuite, Omega Research и Wealth-Lab Developer. В них управляющие конструируют и тестируют системы с помощью встроенных функций инструментов технического анализа, а также дополнительных возможностей, которые позволяют трейдерам и управляющим самостоятельно программировать различные индикаторы благодаря наличию встроенных языков программирования и существующих модулей. Однако создание успешного алгоритма является далеко не самой важной задачей. Одна из проблем, с которой сталкиваются современные трейдеры, — оценка работоспособности придуманного алгоритма. Каковы же существующие сегодня критерии? Очевидно, что недостаточно просто протестировать стратегию на исторических показателях и получить прибыль. Необходимо как минимум оценить устойчивость и чувствительность системы к изменениям входных данных, различных временных отрезков, параметров индикаторов и т. п.

Устойчивость системы

Некоторые известные компании, входящие в Топ-10, используют широко распространенный бек-тестинг, т. е. тестирование на исторических данных. В его основе лежит формирование различных портфелей, которое происходит следующим образом: выбирается 20 наиболее ликвидных бумаг одной биржи, и их пул разбивается на несколько портфелей, например 10 портфелей по пятерке бумаг. Включение в портфель случайное. После этого оценивается доходность портфеля согласно заложенной стратегии, при этом расчеты базируются на исторических данных.

Предположим, что на заданном историческом отрезке времени мы имеем несколько наборов последовательностей цен на различные активы Pi {Pm, ... , Pn}, где m, n — номера баров в исторической выборке, m < n. Трейдер имеет торговую систему, зависящую от параметров расчета индикаторов S {Ak}, где члены последовательности Ak, k = 1… l, меняют свои значения в зависимости от параметра индикатора.

Протестировав систему на различных отрезках времени Pi {Pm, ... , Pn} и применив различные параметры системы, получаем последовательность результатов S {m ... n; k ... l}. Если управляющий стремится к устойчивости торговой системы, то результаты проведенных тестов на различных портфелях должны быть схожими. Это значит, что зависимость системы от поведения одной бумаги не столь сильна, т. е.

|Sp – Si| < ?, ? > 0для p, i Є {m ... n; k ... l}.

В таких случаях можно говорить об относительной устойчивости заданной торговой системы, т. е. о достаточно слабой чувствительности ее параметров к разбросу входных данных. Добиваясь устойчивости системы, мы подразумеваем ее большую универсальность применительно к различным инструментам и рынкам.

Коэффициент Шарпа как зеркало эффективности

Следующим этапом в определении доходности портфеля является расчет оценочных коэффициентов — Шарпа, Сортино, волатильности, VAR и прочих, а также оценка математического ожидания системы.

Наиболее популярен коэффициент Шарпа, который показывает эффективность инвестиционного портфеля (актива) и вычисляется как отношение средней премии за риск к среднему отклонению портфеля:

,

где R — доходность портфеля (актива);

Rf — доходность от альтернативного вложения (как правило, берется безрисковая процентная ставка);

E [R ? Rf] — математическое ожидание;

? — стандартное отклонение доходности портфеля (актива).

Если Rf является константой в течение рассматриваемого периода, то

.

С помощью коэффициента Шарпа можно выявить, насколько хорошо доходность актива компенсирует принимаемый инвестором риск. При сравнении двух активов с одинаковым ожидаемым доходом вложение в актив с более высоким коэффициентом Шарпа будет менее рискованным. Таким образом, для полученной последовательности результатов торговой стратегии строится поверхность устойчивости зависимости коэффициента Шарпа от входного набора параметров, которая затем разбивается на зоны по принципу |Sn – Sm| < ?, ? > 0. Наибольшая зона говорит о лучшей устойчивости системы, и уже внутри самой устойчивой зоны отбираются результаты.

При грамотном подходе такую зону можно определить с помощью первой производной, однако на практике трейдеры оценивают и находят ее визуально. При оценке работы системы на российском рынке расчеты берутся по всей истории. К сожалению, современное законодательство не предусматривает обязательной публикации оценочной информации, например значений коэффициента Шарпа, которые, тем не менее, могли бы быть полезны для потребителя.

Монте-Карло — преимущества и недостатки

Самый современный из используемых сегодня методов оценки торговых систем — это Монте-Карло. Он мало где применяется, но в настоящее время является наиболее правильным. Его основой служит простейшее имитационное моделирование при полном отсутствии каких-либо правил поведения. Получение выборок по методу Монте-Карло — главный принцип компьютерного моделирования систем, содержащих стохастические или вероятностные элементы.

Согласно данному методу проектировщик может моделировать работу множества сложных систем, управляющих множествами разновидностей подобных процессов, и исследовать поведение всей группы, обрабатывая статистическую информацию, а также поведение системы управления на очень большом заданном временном отрезке (несколько лет), причем астрономическое время выполнения программы на компьютере может занимать доли секунды.

Все числа, полученные по формуле и имитирующие значения случайной величины, называются псевдослучайными. Сейчас подавляющее большинство расчетов по методу Монте-Карло осуществляется посредством псевдослучайных чисел.

В основе вычислений по методу Монте-Карло лежит случайный выбор чисел из заданного вероятностного распределения. При практических расчетах эти числа берут из таблиц или получают с помощью операций, результатом которых являются псевдослучайные числа с теми же свойствами, что и числа случайной выборки. Существует множество вычислительных алгоритмов, которые позволяют получить длинные последовательности псевдослучайных чисел. Одним из них является вычисление значений последовательности по формуле геометрического броуновского движения, в котором учитывается непрерывное время. Данный способ используется для моделирования ценообразования на финансовых рынках, поскольку принимает любые положительные значения и приближен к реальным ценам на акции. В действительности данным способом невозможно учесть и смоделировать лишь выбросы (резкое единичное отклонение цены).

С помощью метода Монте-Карло и выборки случайных чисел можно генерировать бесконечное число искусственных синтетических активов, оценить величины, о которых известна лишь форма распределения их вероятности. Одним из наглядных примеров таких величин может служить ценовая динамика активов на финансовых рынках: цены на акции, производные инструменты — фьючерсы и опционы и т. п.

Однако с практической точки зрения у этого метода есть масса недостатков. Монте-Карло гораздо точнее других способов оценки, вместе с тем это один из самых сложных для понимания методов, относительно трудоемкий, требующий большого количества испытаний и достаточно мощных вычислительных ресурсов. Безусловно, все это снижает его популярность у топ-менеджеров и управляющих компаний.

Цель каждого инвестора — получить доход от своих вложений. Но средства, инвестированные в выбранную наугад систему без должной оценки ее эффективности, можно считать выброшенными на ветер. Инвестор должен уметь анализировать инвестиционные качества системы — только в этом случае он сможет хорошо заработать.


Содержание (развернуть содержание)
О, этот модный buyback!
Российский рынок публичных размещений в 2011 году:тенденции и перспективы
Проблемы оценки результатов управления портфелем на фондовом рынке
Мотивации инвесторов и продавцов в ходе купли-продажи промышленных комплексов
Скульптура на арт-рынке: инвестиции в объем
Сочетания несочетаемого
Ликвидационный неттинг — проблемы нового регулирования
О современных тенденциях развития биржевых торговых технологий. Часть 1
О некоторых аспектах регулирования израильского фондового рынка
Кризисные инвестиции суверенных фондов в западные финансовые институты: кто кого?
Что происходит на рынке субфедеральных и муниципальных облигаций
Управление государственным долгом Санкт-Петербурга в 2009—2011 гг.
О государственном долге Республики Карелия
Перекрестное владение акциями: как защитить акционеров от злоупотреблений менеджмента?
Структурированные продукты с защитой капитала: реальность или условность?

  • Статьи в открытом доступе
  • Статьи доступны на платной основе
Актуальные темы    
Тимур Нигматуллин
Чего ожидать от российской экономики и финансового рынка в 2017 году?
После трех кризисных лет — 2014 и 2016 гг. — в текущем году наконец-то начнется долгожданный восстановительный рост основных макроэкономических индикаторов.
Сергей Хестанов
Фактор Китая
Экономика России сильно зависит от цен на сырье, и прежде всего на нефть. Одним из важнейших факторов стратегического роста нефтяных цен в 1999—2014 гг. был возросший объем потребления ресурсов экономикой Китая.
Елизавета Белугина
2017 год: новые вызовы для финансовых рынков
Год 2016-й стал периодом сильнейших политических шоков.
Павел Ким
IR в России: высокая самооценка, но низкая репутация
Осенью 2016 г. было проведено исследование, посвященное анализу самооценки IR-подразделений российских публичных компаний, определению их текущей роли и значимости и ближайших перспектив развития. Результаты представлены в данной статье.
Все публикации →
  • Rambler's Top100