WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!


Pages:     | 1 |   ...   | 13 | 14 || 16 | 17 |   ...   | 29 |

Решение. Решением задачи нелинейной оптимизации (3.4) является F0 = 0.0022 при m0 = 7.55% годовых, s0 = 2.95% годовых. Зададимся уровнем отсечения F1 = 0.004. В таблицу 3.3 сведены значения критерия правдоподобия, и в ней курсивом выделены значения, удовлетворяющие выбранному нами критерию правдоподобия.

Таблица 3.3. Гистограмма квазистатистики m F(m,s) ґ 10000 при s = 2. 3. 6. 7. 8. Видно, что при данном уровне дискретизации параметров можно построить зону предельного правдоподобия двумя путями:

А’’1 = (7.5,8.0; 2.5,3.5), А’’2 = (7.0,8.0; 3.0,3.5), (3.8) причем контрольная точка попадает в оба эти прямоугольника. Точное же решение этой задачи, разумеется, единственное:

А’’ = (6.8,8.3; 2.3,3.8), (3.9) и m = (6.8, 7.55, 8.3), s = (2.3, 2.95, 3.8) – искомая нечеткая оценка параметров распределения.

Теперь, когда мы научились получать достоверные оценки доходности и риска фондовых индексов, можно переходить к решению задачи оптимизации портфеля на модельных активах.

Нечеткомножественная оптимизация модельного портфеля Исторически первым методом оптимизации фондового портфеля был метод, предложенный Гарри Марковицем в [134]. Суть его в следующем.

Пусть портфель содержит N типов ценных бумаг (ЦБ), каждая из которых характеризуется пятью параметрами:

начальной ценой Wi0 одной бумаги перед помещением ее в портфель;

числом бумаг ni в портфеле;

начальными инвестициями Si0 в данный портфельный сегмент, причем Si0 = Wi0 ґ ni; (3.10) среднеожидаемой доходностью бумаги ri;

ее стандартным отклонением si от значения ri.

Из перечисленных условий ясно, что случайная величина доходности бумаги имеет нормальное распределение с первым начальным моментом ri и вторым центральным моментом si. Это распределение не обязательно должно быть нормальным, но из условий винеровского случайного процесса нормальность вытекает автоматически.

Сам портфель характеризуется:

суммарным объемом портфельных инвестиций S;

долевым ценовым распределением бумаг в портфеле {xi}, причем для исходного портфеля выполняется ; (3.11) корреляционной матрицей {rij}, коэффициенты которой характеризуют связь между доходностями iой и jой бумаг. Если rij = 1, то это означает полную отрицательную корреляцию, если rij = 1 имеет место полно положительная корреляция. Всегда выполняется rii = 1, так как ценная бумага полно положительно коррелирует сама с собой.

Таким образом, портфель описан системой статистически связанных случайных величин с нормальными законами распределения. Тогда, согласно теории случайных величин, ожидаемая доходность портфеля r находится по формуле, (3.12) а стандартное отклонение портфеля s. (3.13) Задача управления таким портфелем имеет следующее описание: определить вектор {xi}, максимизирующий целевую функцию r вида (3.12) при заданном ограничении на уровень риска s, оцениваемый (3.13):

=const Ј sM, (3.14) где sM – риск бумаги с максимальной среднеожидаемой доходностью. Запись (3.14) есть не что иное, как классическая задача квадратичной оптимизации, которая может решаться любыми известными вычислительными методами.

Замечание. В подходе Марковица к портфельному выбору под риском понимается не риск неэффективности инвестиций, а степень колеблемости ожидаемого дохода по портфелю, причем как в меньшую, так и в большую сторону. Можно без труда перейти от задачи вида (3.14) к задаче, где в качестве ограничения вместо фиксированного стандартного отклонения выступает вероятность того, что портфельная доходность окажется ниже заранее обусловленного уровня.

Если задаваться различным уровнем ограничений по s, решая задачу (3.14), то можно получить зависимость макимальной доходности от s вида rmax = rmax (s) (3.15) Выражение (3.15), именуемое эффективной границей портфельного множества, в координатах «рискдоходность» является кусочнопараболической вогнутой функцией без разрывов. Правой точкой границы является точка, соответствующая тому случаю, когда в портфеле оказывается одна бумага с максимальной среднеожидаемой доходностью.

Подход Марковица, получивший широчайшее распространение в практике управления портфелями, тем не менее имеет ряд модельных допущений, плохо согласованных с реальностью описываемого объекта фондового рынка. Прежде всего это отсутствие стационарности ценовых процессов, что не позволяет описывать доходность бумаги случайной величиной с известными параметрами. То же относится и корелляции.



Если же мы рассматриваем портфель из модельных классов, а ценовую предысторию индексов модельных классов как квазистатистику, то нам следует моделировать эту квазистатистику многомерным нечетковероятностным распределением с параметрами в форме нечетких чисел. Тогда условия (3.12) – (3.13) запиываются в нечеткомножественной форме, и задача квадратичной оптимизации также решается в этой форме. Решением задачи является эффективная граница в виде нечеткой функции полосового вида.

Каждому отрезку на эффективной границе, отвечающей абсциссе портфельного риска, соответствует нечеткий вектор оптимальных портфельных долей.

И, наконец, если нам заданы контрольные нормативы по доходности и риску (бенчмарк модельного портфеля), которые нам следует соблюсти в нашем портфеле, увеличивая доходность и одновременно снижая риск. Если бенчмарк попадает в полосу эффективной границы, то возникает даблриск (по факторам доходности и волатильности), что модельный портфель «не переиграет» бенчмарк. Этот риск можно оценить по методу из [53, 56, 59].

Итак, изложение модифицированного подхода Марковица завершено. Далее по тексту статьи мы считаем, что имеем дело с квазистатистикой модельных индексов в портфеле, которая моделируется нами посредством Nмерного нечетковероятностного распределения. Оценив параметры этого распределения как нечеткие числа, мы решаем задачу квадратичной оптимизации в нечеткой постановке, получая эффективную границу в форме криволинейной полосы.

Рассмотрим простейший пример американского модельного портфеля из двух модельных классов: правительственных долгосрочных облигаций (Класс 1, характеризующийся индексом LB Govt Bond) и высококапитализированных акций (Класс 2, характеризующийся индексом S&P500). Сводные данные по обоим индексам приведены в таблице 3.4.

Таблица 3.4. Исходные данные по модельным классам Номер модельного класса Ожидаемая доходность r1,2, % год Ожидаемая волатильность s1,2, % год мин средн макс мин средн макс 1 Облигации 6. 6. 6. 0. 0. 0. 2 Акции 12. Нам следовало бы еще оценить корреляцию двух индексов. Но, как я покажу далее, в нашем случае этого не потребуется. Пока же для общности обозначим коэффициент корреляции r12.

Надо сразу оговориться, что случай портфеля из двух компонент является вырожденным с точки зрения оптимизации. Здесь полное множество портфельных решений представляет собой участок в общем случае кривой линии на плоскости, и он же является эффективной границей. Так что в настоящем примере мы не сколько решаем оптимизационную задачу, сколько ищем аналитический вид эффективной границы в координатах «рискдоходность».

Запишем (3.12) – (3.13) в частном виде (3.16) (3.17) x2 = 1 x1 (3.18) Все «постоянные» коэффициенты в (3.16) (3.17) являются треугольными нечеткими числами. Можно было бы както отличить треугольные параметры от обычных скалярных, вводя специальную запись, но, честно говоря, мне не хочется загромождать формулы. И, поскольку в нашем случае s2 >> s1, то имеет место приближенное равенство:

, (3.19) и справедливо (3.20) уравнение эффективной границы в виде полосы с прямолинейными границами (см.

рис. 3.4).

Рис. 3.4. Эффективная граница в виде полосы с линейными границами Коэффициент пропорциональности в (3.20) есть не что иное, как хорошо известный в портфельном менеджменте показатель Шарпа [146] – отношение доходности индекса (за вычетом безрисковой составляющей доходности) к волатильности индекса.

Только в нашем случае он имеет нечеткий вид, сводимый к треугольному по правилу:

(3.21) В таблицу 3.5 сведены границы для модельного класса облигаций в структуре модельного портфеля для различных уровней риска.

Таблица 3.5. Оптимальная доля облигаций в портфеле Риск портфеля, % год Доля облигаций в портфеле max 0. 0. 0. 0. 0. 0. 0. av 0. 0. 0. 0. 0. 0. min 0. 0. 0. 0. 0. Разброс 0. 0. 0. 0. 0. 0. По краям полосы разброс портфельных границ ниже, чем в середине. Это объясняется тем, что на краях полосы эффективной границы портфель обладает вполне определенным стилем: большей доходности отвечает модельный класс акций, а меньшему риску – модельный класс облигаций.





Бенчмаркриск Инвестор, вкладывая деньги, всегда ставит перед собой определенную инвестиционную цель (например, накопить денег на обучение детей). Процесс такого накопления долгосрочен и требует поэтапного контроля доходности инвестиций. Например, инвестор поставил своей целью иметь доход не хуже 8% годовых с риском не хуже 10%. Это и есть бенчмарк.

Поглядев на эффективную границу и заглянув в таблицу 3.5, инвестор формирует модельный портфель, заполняя его на 50% 60% облигациями. Он ожидает разброс доходности, оцениваемый (3.20), от 7.27% до 10.7% годовых. Нижняя граница разброса лежит ниже бенчмарка, значит, существуют ненулевые шансы не выполнить инвестиционный план.

Каковы эти шансы? На этот вопрос дает ответ метод из [56], где риск срыва плана (применительно к нашему случаю) оценивается формулой, (3.22) где r*=8% бенчмарк, (rmin = 7.27%, rav = 8.66%, rmax = 10.70%) – параметры треугольного числа ожидаемой доходности модельного портфеля. И расчеты по (3.22) дают d = 19.3%. Много это или мало? Все зависит от предпочтений инвестора. Возможно, ему покажется, что риск велик, и он сочтет свой финансовый план чрезмерно напряженным. В то же время надо обратить внимание на то, что бенчмарк ниже ожидаемого среднего, поэтому шансы на исполнение плано весьма велики.

Наполнение модельного портфеля реальными активами Когда оптитмальные доли компонент модельного портфеля определены, необходимо выполнить процедуру наполнения компонент модельного портфеля реальными активами. Как показывает практика фондовых инвестиций, ценовое поведение реальных активов в структуре модельного класса характеризуется эффектом синхронной волатильности, когда цены большинства реальных активов в рамках класса движутся в одну сторону. Эта практически полная корреляция активов делает бессмысленной оптимизацию реального портфеля по Марковицу. К тому же для такой оптимизации невозможно получить достоверные исходные данные по ожидаемой доходности и риску.

Возможно провести оптимизацию реального портфеля по альтернативному принципу, отталкиваясь от инвестиционного качества реальных активов, входящих в портфель.

Тогда можно воспользоваться комплексными оценками инвестиционного качества, полученными в рамках рейтинга облигаций и скоринга акций (см. предыдущую главу книги). Чем выше уровень качества актива, тем больший вес он имеет право занять в рамках выделенной группы активов реального портфеля. Можно определять оптимальную долю актива двумя способами:

на пропорциональной основе, как отношение комплексного показателя к сумме комплексных показателей активов портфеля;

по принципу Фишберна. Если уровни привлекательности N активов проранжировать по убыванию, то соответствующие веса компонент портфеля также расположатся по убыванию, а их веса в портфеле можно оценить по схеме Фишберна:

. (3.23) Стратегии хеджирования модельного фондового портфеля Под хеджированием фондового портфеля понимается деятельность инвестора, направленная на снижение системных инвестиционных рисков и использующая производные ценные бумаги. Базовым средством хеджирования реальных активов (акции, облигации), именуемых в теории хеджирования подлежащими активами, является покупка опционов put на эти активы. Целью такой покупки является лимитирование, отсечение убытков, связанных с резким падением цены активов на рынке.

Хеджирование – крайняя мера, вызванная недостатком информации о тенденциях поведения подлежащего опциону актива в будущем (в противном случае потенциально падающий актив мог быть вовремя продан, а затем куплен обратно, но по более низкой цене). Инвестор, идя на выплату опционной премии, заведомо снижает ожидаемую доходность своих вложений. В то же время он снижает и риск вложений, лимитируя убытки заранее известной величиной. Таким образом, снижается волатильность вложений.

Косвенным эффектом хеджирования является повышение ликвидности активов инвестора. Получая опционную выплату в случае падения цены актива, инвестор получает поток денежных средств, которые могут быть направлены на инвестиции.

Pages:     | 1 |   ...   | 13 | 14 || 16 | 17 |   ...   | 29 |










© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.