Смекни!
smekni.com

Планирование и финансовые решения в рамках плана 16 1 Финансовый анализ и его роль в принятии решений 21 (стр. 22 из 52)

Можем ли мы, зная распределения доходности отдельных хеджированных активов, получить распределение доходности модельного портфеля на их основе аналитическим путем? К величайшему сожалению, нет. Математическая теория композиции вероятностных распределений свидетельствует о том, что сумма двух стохастически зависимых случайных величин с усеченно-нормальным распределением есть случайная величина, не обладающая усеченно-нормальным распределением. В результирующем вероятностном распределении такой величины плотность является мультимодальной функцией. Все это говорит о том, что точному аналитическому решению задача оптимизации модельного портфеля с хеджированными активами не поддается.

В качестве альтернативы можно предолжить для оптимизации хеджированного модельный портфеля схему минимизации уровня предельных потерь. Действительно, по каждому хеджированному активу известна минимальная доходность v0i. Соответственно, минимальная доходность по портфелю составляет

, (3.29)

где хi – доли компонент в портфеле. Максимизируя V0, мы решаем задачу нелинейной оптимизции относительно не только оптимального распределения долей активов, но и глубины их хеджирования, а также соотношения страйков по put-опционам и размеров опционных премий.

Оптимизация функционала (3.29) не является оптимизацией модельного портфеля в постановке Марковица уже потому, что в качестве ограничения в задаче оптимизации здесь не выступает риск портфеля. Чтобы учесть параметры риска в оптимизации, можно перед решением задачи (3.29) решить классическую задачу Марковица, а в задаче (3.29) оптимизировать уже только параметры хеджирования, зафиксировав веса компонент. Такой компромисс позволяет избежать применения статистического моделирования портфеля в духе Монте-Карло, которое я лично считаю недопустимой методикой для оптимизации фондового портфеля.

3.7. Выводы по главе

Мы предложили здесь совершенно новый способ решения задачи портфельной оптимизации. При этом мы вернули в научный обиход метод Марковица, сняв критические допущения о вероятностном распределении доходности активов. В ходе решения задачи Марковица в нечеткой постановке мы получаем оптимальный портфель с размытыми границами. Это означает, что мы можем совершать перемещения в пределах этих границ, но ничто уже не позволит нам улучшить этот результат, сузить допустимый диапазон изменений, потому что существует неустранимая информационная неопределенность в части исходных данных.

Сформировав модельный портфель, мы можем наполнить его реальными активами, руководствуясь комплексными оценками инвестиционного качества соответствующих ценных бумаг. Такой подход позволяет избежать необоснованной оптимизации портфеля реальных активов по Марковицу, в координатах «риск-доходность».

Хеджирование портфеля – это практика, которая ждет нового теоретического осмысления, причем не только в России, но и во всем мире. Формула Блэка-Шоулза оценки справедливой цены опциона не устояла перед натиском реальности, что не захотела вписываться в модель винеровского случайного процесса. Поэтому сейчас активно разрабатываются альтернативные теории справедливой оценки опционов. Мы тоже рассчитываем приложить руку к разработке этой теории, тем более что уже удалось выполнить ряд важных исследований, проясняющих базовые моменты теории оптимального хеджирования активов. Научную работу в этом направлении мы планируем возобновить в тот момент, когда на российском рынке появятся индексные опционы (через год-два), и возникнет практическая потребность в разработке соответствующих методик и программных средств.


Глава 4. Прогнозирование фондовых индексов

4.1. Введение в современную теорию рационального инвестиционного выбора

Оптимизация модельного фондового портфеля базируется на исходных данных по индексам, которые являются результатом научного прогнозирования. Прогнозирование фондовых индексов – это задача, которая перестает быть научной при том условии, когда к теории прогнозирования предъявляются завышенные требования предсказания вполне точных значений тех или иных параметров в будущем. Современная теория прогнозирования фондовых индексов базируется на том, что предсказанию подлежат не сами индексы, а их рациональные тенденции, обусловленные рациональным поведением коллективного инвестора в фондовые активы.

Существует целый класс теорий прогнозирования, базирующихся на историческом анализе данных. Ни одна из этих теорий не контролирует состоятельность данных, поступающих на вход соответствующих методов. Однако в том случае, когда между историческими данными и будущим лежит парадигмальный эпистемологический разрыв [45], то соответствующая предыстория индексов существенно обесценивается, а базирующиеся на использовании этой статистики методы начинают давать ошибочные неверифицируемые прогнозы. Нынешний кризис фондового рынка был превосходным тестом для всех существовавших доныне методов прогнозирования, которые этот тест не прошли.

Следовательно, перед наукой прогнозирования тенденций фондового рынка (если она признает себя таковой) встает задача смены основ, на которой базируется эта наука. И возможной новой основой для современной теории прогнозирования как раз и может стать

В своей работе [75] я зафиксировал то понимание проблем прогнозирования фондовых индексов в современных условиях, которое я считаю научным. Резюме этой моей работы таково.

Американский рынок, долгое время пребывавший в фазе эйфории относительно своих экономических возможностей, в настоящий момент, преодолевая истерию и панику, ищет новые экономические ориентиры. Еще несколько лет потрясений нам обеспечены, я думаю, - но свет в конце тоннеля уже виден. Это – нарастающая рационализация инвестиционного выбора, и под этим флагом мировой фондовый рынок будет плавать еще не менее ближайших лет пяти. Шок от потрясения, вызванного сдуванием мыльного пузыря «новой экономики», еще должен быть хорошенько пережит, переосмыслен.

Следствие: оптимальное управление фондовыми портфелями лиц и организаций постепенно приобретает черты активного, оперативного и алертного управления. Активное управление предполагает отказ от пассивных стратегий ведения портфеля (например, в привязке к рыночным индексам, по принципу балансовых фондов). Оперативное управление осуществляется в режиме реального времени, с непрерывной переоценкой уровня оптимальности портфеля (даже в рамках одного торгового дня, нынешние компьютерные программы это позволяют). Алертное управление предполагает наличие в системе установленных предупредительных сигналов, срабатывающих на изменение уставленных макроэкономических, финансовых, политических и иных параметров. Срабатывание алерта вызывает автоматическое выполение некоторой цепочки предустановленных решающих правил по ребалансингу фондового протфеля.

Оптимальное управление, как мы его здесь описали, не может не брать в расчет обоснованные прогностические модели, принципы построения которых вкратце изложены в [72]. Напрашивается мысль, что те группы рыночных субъектов, кто будет успешнее прогнозировать финансовые потоки и управлять ими, получит в условиях нового мирового порядка труднопереоцениваемые, эксклюзивные преимущества. Неспроста сказано: кто владеет информацией, тот владеет миром.

И главный фактор успеха здесь – это понимание того, что такое рациональное инвестиционное поведение, плюс качественная и количественная математическая модель такого поведения. Много сил в науке было отдано тому, чтобы описать рациональный инвестиционный выбор (например, через функцию инвестиционной полезности). Однако, если исследование аспектов рационального инвестиционного поведения не опирается на детальный анализ фондового рынка и макроэкономической обстановки в стране, где осуществляются инвестиции, то такой анализ рационального инвестиционного поведения является бесполезным. А в такой постановке задача практически не звучит. Приятным исключением является подход, применяемый компанией Lattice Financial [129], где прослеживается детальная модельная связь между макроэкономическими факторами и количественными оценками тенденций фондового рынка. Но здесь другая крайность: слишком велика в моделях [129] доля механистического понимания связей на макро- и микроуровне, когда возникает прямой соблазн «рекурсивного прогнозирования», где будущее с точностью до вероятностно расределенного случайного сигнала определяется настоящим. Фактор рационализации выбора совершенно выпадает из моделей такого сорта.

Следует восполнить этот пробел в теории фондовых инвестиций – и одновременно развить математическое оснащение моделей рационального инвестиционного выбора, введя в них формализмы теории нечетких множеств. Нечеткие описания естественны, т.к. ряд параметров моделей не может быть определен вполне точно, - потому что речь идет о субъективных человеческих предпочтениях, которые размыты не потому лишь, что мы не можем набрать правдоподобной статистики, а потому, что инвестор и сам иногда не до конца понимает, чего он хочет, и на каком основании он отделяет «хорошие» бумаги от «плохих». Осмыслить, что для инвестора «хорошо», а что «плохо» - это и есть цель настоящего исследования.

4.1.1. Теоретические предпосылки для рационального инвестиционного выбора