Моделирование и оценка риска минимального портфеля, копирующего фондовый индекс

Обложка

Цитировать

Полный текст

Аннотация

В статье предложена методика формирования минимального портфеля, копирующего фондовый индекс. Методика основана на использовании индекса оценки монополизма на рынке (индекса Герфиндаля) в качестве целевой функции и формировании ряда ограничений, обеспечивающих доходность и риск формируемого портфеля на уровне фондового индекса. В силу стохастической динамики ценных бумаг оценка степени подобия в части доходности и риска производилась методами имитационного моделирования в предположении, что изменение стоимости каждого актива удовлетворяет логарифмическому броуновскому движению с учетом ковариации между активами. Методика формирования минимального портфеля копирующего фондовый индекс оказывается особенно полезной в силу периодического пересмотра состава рыночного индекса, так как позволяет снизить количество затратных операций по переформатированию инвестиционного портфеля. Минимальный портфель, сформированной на основе предлагаемой методики, – с одной стороны, обеспечивает практически не меньшую доходность и не больший риск, чем индексный портфель, с другой стороны, дает значительное уменьшение расходов на осуществление весьма затратных операций, связанных с переформатированием портфеля.

Полный текст

Введение

Нестабильная экономическая ситуация в стране,  неуклонное снижение депозитных  ставок, уменьшение  доверия к надежности банков заставляет инвесторов рассматривать все возможные способы сохранения средств, в том числе путем участия в биржевой торговле ценными бумагами.

Одной из самых надежных стратегий инвестирования,  как начинающих, так и опытных инвесторов является формирование портфеля ценных бумаг более или менее подобного составу фондовых индексов,  таких как ST500, Nasdag и др. за рубежом и, типа RTS, IMOEX и их отраслевых разновидностей у нас.

Периодическое изменение состава ценных бумаг, входящих в индекс вынуждает инвестора совершать  большое количество затратных операций для поддержания подобия ранее сформированного портфеля новому составу индекса.

Индексные фонды имеют целью создание портфелей,  чье поведение почти дублирует тот или иной рыночный индекс.  Если бы они просто копировали состав индекса, то потери на переформирование такого портфеля могли бы быть очень существенны, так как это потребовало бы большого числа операций с бумагами, входящими в индекс с небольшими лотами.  Было бы идеально, если бы можно было бы сформировать портфель из небольшого числа ценных бумаг, динамика которого полностью дублировала бы динамику цены индексного портфеля. Это позволило бы вместо большого количества операций с небольшими лотами делать небольшое число операций  (возможно с большими лотами). Конечно, на практике это невозможно и за возможность сократить число бумаг в портфеле приходится платить  возможным отклонением динамики цены подобного портфеля от динамики цены индексного портфеля.  Тем не менее, в некоторых случаях это оказывается оправданным.

 

Характеристики индекса Мосбиржи  RI.IMOEX

 

Таблица 1 - База индекса  Мосбиржи: RI.IMOEX [1

 

 №

 Тикер

Цена

Кол-во

Капитал-я

Free-float

Коэф огр

Капитал в индексе

Вес,%

1

AFKS

34,165

9 650 000 000

329 692 250 000

0,33

1

108 798 442 500

0,61%

2

AFLT

66,880

2 444 535 448

163 490 530 762

0,41

1

67 031 117 613

0,37%

3

ALRS

108,820

7 364 965 630

801 455 559 857

0,34

1

272 494 890 351

1,52%

4

CBOM

7,204

29 829 709 866

214 893 229 875

0,2

1

42 978 645 975

0,24%

5

CHMF

1 483,400

837 718 660

1 242 671 860 244

0,22

1

273 387 809 254

1,53%

6

DSKY

140,980

739 000 000

104 184 220 000

0,74

1

77 096 322 800

0,43%

7

FEES

0,217

1 274 665 323 063

276 831 814 863

0,18

1

49 829 726 675

0,28%

8

FIVE

2 401,500

271 572 872

652 182 252 108

0,41

1

267 394 723 364

1,49%

9

GAZP

226,740

23 673 512 900

5 367 732 314 946

0,5

0,890986

2 683 866 157 473

13,36%

10

GLTR

506,850

178 740 916

90 594 833 275

0,57

1

51 639 054 967

0,29%

11

GMKN

23 250,000

158 245 476

3 679 207 317 000

0,38

0,890986

1 398 098 780 460

6,96%

12

HHRU

2 601,200

50 317 860

130 886 817 432

0,48

1

62 825 672 367

0,35%

13

HYDR

0,814

439 288 905 849

357 712 956 033

0,19

1

67 965 461 646

0,38%

14

IRAO

5,077

104 400 000 000

530 038 800 000

0,33

1

174 912 804 000

0,98%

15

LKOH

6 172,500

692 865 762

4 276 713 915 945

0,55

0,890986

2 352 192 653 770

11,71%

16

LSRG

826,600

103 030 215

85 164 775 719

0,42

1

35 769 205 802

0,20%

17

MAGN

58,650

11 174 330 000

655 374 454 500

0,16

1

104 859 912 720

0,59%

18

MAIL

1 751,800

208 582 082

365 394 091 248

0,53

1

193 658 868 361

1,08%

19

MGNT

5 300,000

101 911 355

540 130 181 500

0,68

1

367 288 523 420

2,05%

20

MOEX

171,090

2 276 401 458

389 469 525 449

0,63

1

245 365 801 033

1,37%

21

MTSS

314,700

1 998 381 575

628 890 681 653

0,45

1

283 000 806 744

1,58%

22

NLMK

236,200

5 993 227 240

1 415 600 274 088

0,21

1

297 276 057 558

1,66%

23

NVTK

1 495,800

3 036 306 000

4 541 706 514 800

0,21

1

953 758 368 108

5,33%

24

OZON

3 990,000

179 230 154

715 128 314 460

0,21

1

150 176 946 037

0,84%

25

PHOR

4 102,000

129 500 000

531 209 000 000

0,25

1

132 802 250 000

0,74%

26

PIKK

871,000

660 497 344

575 293 186 624

0,18

1

103 552 773 592

0,58%

 

 

Продолжение таблицы 1

 №

 Тикер

Цена

Кол-во

Капитал-я

Free-float

Коэф огр

Капитал в индексе

Вес,%

27

PLZL

13 446,500

136 069 400

1 829 657 187 100

0,21

1

384 228 009 291

2,15%

28

POGR

25,705

3 957 270 254

101 721 631 879

0,65

1

66 119 060 721

0,37%

29

POLY

1 452,200

471 818 000

685 174 099 600

0,71

1

486 473 610 716

2,72%

30

QIWI

795,500

51 487 257

40 958 112 944

0,57

1

23 346 124 378

0,13%

31

ROSN

570,950

10 598 177 817

6 051 029 624 616

0,11

1

665 613 258 708

3,72%

32

RSTI

1,532

198 827 865 141

304 564 523 823

0,11

1

33 502 097 621

0,19%

33

RTKM

107,590

3 282 997 929

353 217 747 181

0,29

1

102 433 146 683

0,57%

34

RUAL

48,700

15 193 014 862

739 899 823 779

0,17

1

125 782 970 042

0,70%

35

SBER

293,840

21 586 948 000

6 343 108 800 320

0,48

0,836093

3 044 692 224 154

14,22%

36

SBERP

293,070

1 000 000 000

293 070 000 000

1

0,836093

293 070 000 000

1,27%

37

SNGS

34,715

35 725 994 705

1 240 227 906 184

0,25

1

310 056 976 546

1,73%

38

SNGSP

41,500

7 701 998 235

319 632 926 753

0,73

1

233 332 036 529

1,30%

39

TATN

598,900

2 178 690 700

1 304 817 860 230

0,32

1

417 541 715 274

2,33%

40

TATNP

562,700

147 508 500

83 003 032 950

1

1

83 003 032 950

0,46%

41

TCSG

4 503,200

199 305 492

897 512 491 574

0,58

1

520 557 245 113

2,91%

42

TRNFP

151 400,000

1 554 875

235 408 075 000

0,37

1

87 100 987 750

0,49%

43

VTBR

0,040

12 960 541 337 338

516 477 572 293

0,27

1

139 448 944 519

0,78%

44

YNDX

4 804,400

320 430 479

1 539 476 193 308

0,97

0,890986

1 493 291 907 508

7,43%

 

На рисунке  1  представлена дневная динамика курса индекса за первые 4 месяца 2021 года.

Как можно видеть доходность индекса  характеризуется большой волатильностью.

Ковариационная матрица доходности V – матрица размерностью 44*44.

На основе дневных данных за 4 месяца 2021 года вычислены значения альфа и бета ценных бумаг, входящих в индекс, вычисленные на основе дневных данных за первые 4 месяца 2021 года.

Линия рынка ценных бумаг SLM, построена  на основе курса акций, входящих в индекс Мосбиржи по  дневным данным за 4 месяца 2021 года изображена на рисунке 3.

·      Математическая  формулировка задачи

Структура индекса характеризуется вектором столбцом c, данный вектор приведен  в таблице 1 – последний столбец. Размерность вектора c равна n=44.

Дневная средняя доходность ценных бумаг вычислена  по данным за 4 месяца 2021 года и приведена в таблице наряду с вектором c.

Рисунок 1 - Дневная динамика курса индекса за первые 4 месяца 2021 года

 

 

На рисунке 2 представлена доходность индекса за этот же период времени.

Рисунок 2 - Доходность индекса за первые 4 месяца 2021 года

 

Таблица 2 - Alfa, beta ценных бумаг входящих в индекс

Тикер

rsred

beta

alfa

Тикер

rsred

beta

alfa

AFKS

0,21%

0,821

0,46%

NVTK

0,14%

1,622

0,04%

AFLT

-0,13%

0,409

0,10%

OZON

0,46%

1,208

0,34%

ALRS

0,12%

0,555

0,33%

PHOR

0,38%

0,175

0,25%

CBOM

0,12%

0,568

0,32%

PIKK

0,56%

0,332

0,41%

CHMF

0,37%

0,941

0,55%

PLZL

-0,15%

0,376

-0,32%

DSKY

0,12%

0,068

0,29%

POGR

-0,21%

0,151

-0,39%

FEES

-0,06%

0,443

0,09%

POLY

-0,17%

0,362

-0,37%

FIVE

-0,19%

0,418

-0,06%

QIWI

0,06%

0,666

-0,15%

GAZP

0,10%

1,064

0,22%

ROSN

0,24%

0,921

0,01%

GLTR

0,02%

0,399

0,12%

RSTI

-0,25%

0,593

-0,25%

 

 

Продолжение таблицы 2

Тикер

rsred

beta

alfa

Тикер

rsred

beta

alfa

GMKN

0,10%

1,311

0,19%

RTKM

0,09%

0,323

0,09%

HHRU

0,41%

-0,127

0,48%

RUAL

0,45%

1,153

0,45%

HYDR

0,09%

0,398

0,15%

SBER

0,11%

1,060

0,11%

IRAO

-0,09%

0,475

-0,05%

SBERP

0,18%

0,810

0,18%

LKOH

0,16%

1,207

0,18%

SNGS

-0,06%

0,947

-0,06%

LSRG

-0,09%

0,358

-0,08%

SNGSP

0,02%

0,369

0,02%

MAGN

0,20%

0,600

0,19%

TATN

-0,03%

1,281

-0,03%

MAIL

-0,19%

0,364

-0,21%

TATNP

-0,04%

1,112

-0,04%

MGNT

-0,14%

0,513

-0,18%

TCSG

0,69%

1,328

0,69%

MOEX

0,13%

0,283

0,08%

TRNFP

0,01%

0,395

0,01%

MTSS

-0,05%

0,392

-0,12%

VTBR

0,34%

0,755

0,34%

NLMK

0,29%

0,784

0,20%

YNDX

-0,04%

0,878

-0,04%

 

Рисунок 3 - Линия рынка ценных бумаг SLM

 

Таблица 3 - Структура рыночного индекса RI.IMOEX и средняя дневная доходность акций индекса

N

Тикер

  

N

Тикер

  

1

AFKS

0,21%

0,61%

23

NVTK

0,14%

5,33%

2

AFLT

-0,13%

0,37%

24

OZON

0,46%

0,84%

3

ALRS

0,12%

1,52%

25

PHOR

0,38%

0,74%

4

CBOM

0,12%

0,24%

26

PIKK

0,56%

0,58%

5

CHMF

0,37%

1,53%

27

PLZL

-0,15%

2,15%

6

DSKY

0,12%

0,43%

28

POGR

-0,21%

0,37%

7

FEES

-0,06%

0,28%

29

POLY

-0,17%

2,72%

8

FIVE

-0,19%

1,49%

30

QIWI

0,06%

0,13%

9

GAZP

0,10%

13,36%

31

ROSN

0,24%

3,72%

10

GLTR

0,02%

0,29%

32

RSTI

-0,25%

0,19%

11

GMKN

0,10%

6,96%

33

RTKM

0,09%

0,57%

12

HHRU

0,41%

0,35%

34

RUAL

0,45%

0,70%

13

HYDR

0,09%

0,38%

35

SBER

0,11%

14,22%

14

IRAO

-0,09%

0,98%

36

SBERP

0,18%

1,27%

15

LKOH

0,16%

11,71%

37

SNGS

-0,06%

1,73%

16

LSRG

-0,09%

0,20%

38

SNGSP

0,02%

1,30%

17

MAGN

0,20%

0,59%

39

TATN

-0,03%

2,33%

 

 

Продолжение таблицы 3

N

Тикер

  

N

Тикер

  

18

MAIL

-0,19%

1,08%

40

TATNP

-0,04%

0,46%

19

MGNT

-0,14%

2,05%

41

TCSG

0,69%

2,91%

20

MOEX

0,13%

1,37%

42

TRNFP

0,01%

0,49%

21

MTSS

-0,05%

1,58%

43

VTBR

0,34%

0,78%

22

NLMK

0,29%

1,66%

44

YNDX

-0,04%

7,43%

 

Разреженный портфель будет характеризоваться вектором  меньшей размерности.

Доходность индекса определяется как портфель ценных бумаг , доходность которого равна . Волатильность  индекса  [2].

Нужно найти портфель , аппроксимирующий рыночный индекс с наименьшим количеством ценных бумаг.

При построении минимального портфеля желательно чтобы ошибка аппроксимации была минимальной, например, чтобы не превышала малой величины :

 

.

 

В развернутом виде:

 

                              (1)

 

Пусть m – количество ценных бумаг в разреженном портфеле, для которых .

Тогда стандартная (общепринятая формулировка) имеет вид:

Целевая функция .

Ограничение 1: ;

.

Ограничения 2: .

Ограничение 3:  .

Это выпуклая негладкая задача условной оптимизации, для которой нет эффективных алгоритмов [3].

Для решения задачи введем целевую функцию неявно связанную с минимизацией m – количества активов.

Введем так называемый индекс портфеля  равный .

Данная величина подобна индексу Герфиндаля, который применяется для характеристики монополизма того или иного рынка, характеризует  наличие или отсутствие на нем конкуренции.

Значение индекса Герфиндаля изменяется от практического нуля (когда на рынке много компаний и доля каждой невелика), до величины равной 10000, когда на рынке полный монополизм – осталась только одна компания с удельным весом равным 100%.

Аналогично  значение индекса портфеля IF принимает значения от величины порядка 500 (когда все акции имеют один вес равный  1/44), до 10 000 – когда портфель состоит из акции одного вида.

Требование максимума IF автоматически ведет к минимизации m.

Целевая функция имеет вид:

 

.

 

Ограничения:

 

  

;

.

 

Выбор целевой функции в таком виде является ноу-хау для решения задач подобного рода. Дело в том, что все остальные подходы на основе снижения количества активов, входящих в портфель себя не оправдали (метод штрафов [4] и тому подобные эвристические методы).

Следует обратить внимание на то, что за счет введения целевой функции  минимизация количества акций, входящих в разреженный портфель  осуществляется автоматически в ходе решения и зависит, прежде всего, от задаваемой ошибки аппроксимации : .

В таблице 4 приведены значения целевой функции и, соответствующее им количество акций, входящих в разреженный портфель, в зависимости от значения eps.

 

Таблица 4 - Значения целевой функции и соответствующее им количество акций

 

eps

5,00%

10,00%

15,00%

20,00%

25,00%

30,00%

n(eps)

42

22

15

15

14

12

F

888,1

1 420,0

1 858,7

2 317,3

2 842,7

3 444,2

 

В частности, при ошибке в 10% количество акций, входящих в разреженный портфель  уже 22, а при eps=20% можно ограничиться 15 видами акций.

Структура разреженного портфеля для разных значений  eps приведена в таблице 5.

 

Таблица 5 - Структура разреженного портфеля для разных значений  eps

 

 №

eps|X

5,00%

10,00%

15,00%

20,00%

25,00%

30,00%

CT индекс

1

AFKS

0,73%

0,00%

0,00%

0,00%

0,00%

0,00%

0,61%

2

AFLT

0,44%

0,00%

0,00%

0,00%

0,00%

0,00%

0,37%

3

ALRS

0,71%

0,00%

0,00%

0,00%

0,00%

0,00%

1,52%

4

CBOM

0,14%

0,00%

0,00%

0,00%

0,00%

0,00%

0,24%

5

CHMF

2,57%

2,60%

1,95%

2,43%

2,87%

3,29%

1,53%

6

DSKY

1,43%

1,59%

1,33%

0,60%

0,00%

0,00%

0,43%

7

FEES

1,07%

0,00%

0,00%

0,00%

0,00%

0,00%

0,28%

8

FIVE

3,70%

4,22%

4,72%

4,58%

3,98%

2,91%

1,49%

9

GAZP

16,77%

25,83%

33,68%

41,97%

49,30%

56,10%

13,36%

10

GLTR

0,00%

0,00%

0,00%

0,00%

0,00%

0,00%

0,29%

11

GMKN

7,74%

7,21%

7,46%

6,90%

6,82%

6,96%

6,96%

12

HHRU

0,05%

0,00%

0,00%

0,00%

0,00%

0,00%

0,35%

13

HYDR

0,65%

0,00%

0,00%

0,00%

0,00%

0,00%

0,38%

14

IRAO

0,62%

0,00%

0,00%

0,00%

0,00%

0,00%

0,98%

15

LKOH

11,70%

12,54%

12,34%

9,56%

7,44%

5,96%

11,71%

16

LSRG

0,00%

0,00%

0,00%

0,00%

0,00%

0,00%

0,20%

17

MAGN

0,34%

0,00%

0,00%

0,00%

0,00%

0,00%

0,59%

 

 

Продолжение таблицы 5

 №

eps|X

5,00%

10,00%

15,00%

20,00%

25,00%

30,00%

CT индекс

18

MAIL

0,00%

0,00%

0,00%

0,00%

0,00%

0,00%

1,08%

19

MGNT

0,32%

0,34%

0,00%

0,00%

0,00%

0,00%

2,05%

20

MOEX

0,27%

0,26%

0,00%

0,00%

0,00%

0,00%

1,37%

21

MTSS

0,56%

0,00%

0,00%

0,00%

0,00%

0,00%

1,58%

22

NLMK

0,00%

0,00%

0,00%

0,00%

0,00%

0,00%

1,66%

23

NVTK

2,78%

2,87%

0,00%

0,00%

0,00%

0,00%

5,33%

24

OZON

0,63%

0,67%

0,53%

0,71%

0,79%

0,77%

0,84%

25

PHOR

0,48%

0,43%

0,00%

0,00%

0,00%

0,00%

0,74%

26

PIKK

0,79%

0,76%

0,66%

0,36%

0,09%

0,04%

0,58%

27

PLZL

3,40%

2,67%

3,14%

0,52%

0,00%

0,00%

2,15%

28

POGR

2,48%

4,74%

3,88%

5,42%

5,99%

6,16%

0,37%

29

POLY

0,23%

0,21%

0,17%

0,17%

0,08%

0,00%

2,72%

30

QIWI

0,51%

0,00%

0,00%

0,00%

0,00%

0,00%

0,13%

31

ROSN

3,35%

0,00%

0,00%

0,00%

0,00%

0,00%

3,72%

32

RSTI

0,00%

0,00%

0,00%

0,00%

0,00%

0,00%

0,19%

33

RTKM

0,67%

0,00%

0,00%

0,00%

0,00%

0,00%

0,57%

34

RUAL

0,37%

0,00%

0,00%

0,00%

0,00%

0,00%

0,70%

35

SBER

16,34%

20,14%

19,85%

16,90%

13,10%

8,55%

14,22%

36

SBERP

0,59%

0,00%

0,00%

0,00%

0,00%

0,00%

1,27%

37

SNGS

2,37%

0,00%

0,00%

0,00%

0,00%

0,00%

1,73%

38

SNGSP

0,01%

0,00%

0,00%

0,00%

0,00%

0,00%

1,30%

39

TATN

1,49%

0,00%

0,00%

0,00%

0,00%

0,00%

2,33%

40

TATNP

1,13%

0,96%

0,00%

0,00%

0,00%

0,00%

0,46%

41

TCSG

2,87%

2,69%

2,33%

1,41%

0,75%

0,20%

2,91%

42

TRNFP

1,56%

1,43%

0,00%

0,00%

0,00%

0,00%

0,49%

43

VTBR

0,53%

0,00%

0,00%

0,00%

0,00%

0,00%

0,78%

44

YNDX

7,61%

7,85%

7,96%

8,47%

8,79%

9,06%

7,43%

 

В целях сравнения инвестиционных возможностей портфелей на основе всех акций входящих в индекс (полный портфель) и разреженного портфеля содержащего меньшее количество построим эффективную границу для каждого из них.

Граница эффективного множества для всех акций, входящих в индекс и для акций разреженного портфеля,  состоящего из 14 акций разреженного портфеля, полученного при eps=25% приведена на рисунке 4.

Как можно видеть границы эффективных множеств достаточно близки, что служит дополнительным подтверждением эквивалентности замены индекса разреженным портфелем.

 

·      Имитационное моделирование методом Монте Карло для оценки риска замены индекса разреженным портфелем

Имитационное моделирование методом Монте Карло является одним из способов оценки риска замены индекса разреженным портфелем. 

Кроме того это способ оценки динамики доходности портфелей в краткосрочной перспективе.

Наиболее распространенным способом имитационного моделирования является разложение ковариационной матрицы на произведение нижней и верхней треугольной матрицы – разложение Холецкого:

 

.

Риск портфеля  дается выражением:

 

,

 

где  - ковариационная матрица доходностей активов, входящих в портфель.

Элементы ковариационной матрицы  оцениваются на основе исторических данных: .

Стандартная схема моделирования для положительно-определенной ковариационной матрицы  включает следующие этапы.

Рисунок 4 - Граница эффективного множества для всех акций, входящих в индекс и для акций разреженного портфеля

 

 

Производится разложение ковариационной матрицы на произведение , где - нижняя треугольная матрица, а - верхняя треугольная матрица:

 

;.

 

Элементы матрицы даются выражениями:

 

;;;.

 

Для симметрической матрицы .

Если ввести диагональную матрицу , то факторизация может быть записана в виде: .

Более удобно ввести матрицу G соотношением , где матрица  имеет вид:

 

.

 

Тогда .

На основе данной факторизации можно моделировать многомерное нормальное распределение [5].

В случае матриц большой размерности более удобна программная реализация в среде VBA EXCEL [6]. Программа производит считывание данных ковариационной матрицы и формирует на выходе матрицу Холецкого G.

Sub xxolezkii()

Dim a(1 To 50, 1 To 50), b(1 To 50, 1 To 50), c(1 To 50, 1 To 50), d(1 To 50, 1 To 50) As Single

Dim s, gm(1 To 50, 1 To 50) As Single: Dim i, j, k, nm As Integer: nm = 44

Range("d177").Activate: For i = 1 To nm: For j = 1 To nm: a(i, j) = ActiveCell.Value

ActiveCell.Offset(0, 1).Activate: Next j: ActiveCell.Offset(1, -nm).Activate: Next i

For i = 1 To nm: For j = 1 To nm: b(i, j) = 0: c(i, j) = 0: d(i, j) = 0: If i = j Then c(i, j) = 1

Next j: Next i

For i = 1 To nm: b(i, 1) = a(i, 1): Next I : For j = 1 To nm: c(1, j) = a(1, j) / b(1, 1):Next j

For i = 2 To nm: For j = 2 To nm: s = 0: For k = 1 To j – 1: s = s + b(i, k) * c(k, j): Next k

If i >= j Then b(i, j) = a(i, j) – s: s = 0: For k = 1 To i – 1: s = s + b(i, k) * c(k, j): Next k

If i < j Then c(i, j) = (a(i, j) – s) / b(i, i): Next j: Next i

For i = 1 To nm: d(i, i) = 1 / b(i, i) ^ 0.5: Next i

For i = 1 To nm:For j = 1 To nm:s = 0:For k = 1 To nm:s = s + b(i, k) * d(k, j):Next k

gm(i, j) = s: Next j: Next i

Range("d223").Activate : For i = 1 To nm: For j = 1 To nm: ActiveCell.Value = gm(i, j)

ActiveCell.Offset(0, 1).Activate: Next j: ActiveCell.Offset(1, -nm).Activate:Next i

Range("aw223").Activate: For i = 1 To nm: For j = 1 To nm: ActiveCell.Value = gm(j, i)

ActiveCell.Offset(0, 1).Activate: Next j: ActiveCell.Offset(1, -nm).Activate:Next i: End Sub

1) Генерируем n – нормально распределенных случайных величин с нулевыми средними и единичными дисперсиями – получим вектор строку z(i,k) , i=1,2..44, где количество имитаций k=1,2..1000. (Можно увеличить до 5тысяч для солидности).

2) Умножая матрицу GT на каждую строку z(i,k) и на t^0,5 – количество дней моделирования  получим вектор строку x(i,k) =GT*z(i,k)*t^0,5.

3) Добавляя среднее значение по каждой акции получим вектор r(i,k) =x(i,k)+rsred(i) *t -доходности i-ой акции для k-ой имитации.

 

·           Оценка риска замены индекса разреженным портфелем

. Для оценки риска разбиваем область изменения доходности портфелей на интервалы и вычисляем частоты

В таблице 6 приведены частоты для индексного портфеля и для разреженных портфелей со значениями eps=5%;10%;15%;20%;25%;30%.

Таблица 6 - частоты для индексного портфеля и для разреженных портфелей со значениями eps=5%;10%;15%;20%;25%;30%

 

Карман

R_Ind

r_P(5%)

r_P(10%)

r_P(15%)

r_P(20%)

r_P(25%)

r_P(30%)

-18,67%

0

0

0

0

0

0

0

-17,23%

0

0

0

0

0

0

0

-15,80%

0

0

0

0

1

2

2

-14,36%

2

3

3

2

1

0

0

-12,93%

2

1

1

2

2

2

2

-11,49%

1

1

1

1

2

3

4

-10,05%

4

5

7

9

12

12

14

-8,62%

10

11

14

16

14

15

14

-7,18%

19

18

18

12

15

20

25

-5,74%

24

28

26

36

42

38

32

-4,31%

40

46

59

57

54

58

59

-2,87%

55

51

50

54

53

50

55

-1,44%

68

73

68

59

66

72

63

0,00%

81

79

76

79

81

80

81

1,44%

69

71

70

75

77

75

87

2,87%

88

88

92

89

85

90

84

4,31%

93

96

91

92

92

90

85

5,74%

103

110

108

100

93

92

87

7,18%

81

73

76

79

74

68

72

8,62%

76

73

70

66

70

74

70

10,05%

67

66

61

64

61

57

54

11,49%

42

38

40

41

41

39

43

12,93%

31

32

28

28

24

25

29

14,36%

11

5

10

10

13

13

9

15,80%

13

15

13

13

11

11

16

17,23%

12

13

9

8

9

4

3

18,67%

6

3

7

6

5

6

6

20,11%

1

0

1

1

1

2

2

 

На рисунке 5 приведены графики частот, полученные в результате имитационного моделирования  индексного портфеля и разреженного портфеля для eps=10%.

На рисунке R_Ind - частоты смоделированного индекса и r_P(10%).

На рисунке 6  приведены графики частот, полученные в результате имитационного моделирования  индексного портфеля и разреженного портфеля для eps=20%.

В таблице 7 приведены квадраты разности частот между R_ind и r_ind(eps).

 

Рисунок 5 -  Графики частот, полученные в результате имитационного моделирования  индексного портфеля и разреженного портфеля для eps=10%

 

 

Рисунок 6 - Графики частот, полученные в результате имитационного моделирования  индексного портфеля и разреженного портфеля для eps=20%

 

 

Таблица 7 - Квадраты разности частот между R_ind и r_ind(eps)

 

r_P(5%)

r_P(10%)

r_P(15%)

r_P(20%)

r_P(25%)

r_P(30%)

306

610

816

990

1225

1665

·      Имитационное моделирование стохастической динамики портфеля акций

Рассмотрим портфель акций, его стоимость в момент времени

 

,

здесь  - количество акций го вида, - удельный вес акций  вида в портфеле  - стоимость акции вида в начальный момент времени,  - начальная стоимость портфеля.

Представим ковариационную матрицу доходности акций  в виде:

 

,

 

где  - матрица Холецкого.

Стоимость акции меняется во времени в соответствии с геометрическим броуновским движением:

 

,

 

где  - стандартный процесс Винера,  - элементы матрицы Холецкого.

В силу независимости процессов Винера выражение  эквивалентно выражению , где .

 

Лемма Ито

Если  удовлетворяет уравнению , то функция  удовлетворяет уравнению:

 

.

 

Введем функцию , для которой , , . 

Учитывая, что в данном случае ,  после применения леммы Ито [7] получим:

 

,

 

откуда  имеем ,  и, следовательно,

 

.

 

В развернутом виде:

 

.

 

Для портфеля соответственно получим:

 

.

 

С учетом наличия на рынке безрисковой процентной ставки  заменим  на

 

.

 

Стохастическая динамика портфеля имеет вид:

 

 

Нормированная стоимость опционов call и  на момент времени исполнения  для каждой реализации будет даваться выражением

 

;,

 

Здесь момент исполнения,  - нормированная цена исполнения.

Нормированная стоимость опционов на момент заключения контрактов находим как среднее по ансамблю реализаций:

 

;.

 

Здесь - размерность ансамбля реализаций.

 

 

Рисунок 7 – Формирование портфеля ценных бумаг

 

При формировании портфеля ценных бумаг зачастую неудобно  иметь дело с большим количеством ценных бумаг в портфеле. Это вдвойне неприятно, если требуется изменять портфель ценных бумаг слишком часто в связи с наличием очень волатильных акций.

Одним из подходов к частичному решению данной проблемы является идея формирования разреженного (sparse) портфеля ценных бумаг, в некотором смысле дублирующем целевой портфель. Термин разреженный означает, что число входящих в портфель ценных бумаг невелико. Ограничение на количество входящих в портфель ценных бумаг является самым важным и наиболее трудно реализуемым. Мотивацией для данного ограничения являются соображения сложности портфеля, как для проведения расчетов, так и для администрирования инвестиционным менеджером – управляющим. Данное ограничение в англоязычной литературе называется cardinality condition. Методы решения оптимизационных задач, содержащих данное ограничение являются эвристическими и, в основном решаются путем введения штрафных функций [8–13].

Стратегия копирования индекса состоит в формировании портфеля,  который по своему составу повторяет некоторый фондовый индекс, обычно  индекс с широкой базой. Недостатком такой стратегии является то, что выплата дивидендов и процентов по бумагам, входящим в индекс, автоматически  отражается в его стоимости. В то же время менеджер несет дополнительные  издержки при реинвестировании полученных средств. Кроме того, для  приобретения какого-либо актива может потребоваться определенное время для  аккумулирования необходимой суммы денег. Точное копирование индекса может повлечь высокие трансакционные издержки, так как менеджеру приходится приобретать относительно малое количество большого числа разных активов. Кроме того, при изменении состава индекса также должны последовать  изменения и в структуре портфеля. Обычно, при исключении какой-либо бумаги из состава индекса цена ее падает, в то же время цена включаемого в индекс  актива возрастает. Поэтому менеджер несет дополнительные затраты в сумме разности цен продаваемого и покупаемого активов.

Чтобы исключить  указанные недостатки, можно копировать индекс на основе определенной выборки бумаг, входящих в индекс, которые наиболее близко повторяют его динамику. В этом случае сокращаются трансакционные расходы. Однако возникает  вероятность отклонения результатов сформированного портфеля от результатов рыночного портфеля.

 

Заключение

Индексные фонды относятся к пассивным инвестиционным управляющим. Их задачей является получение доходности не хуже чем доходность некоторого  индекса.

Основной стратегией  фонда, которая позволяет ему зарабатывать является  инвестирование в портфель с небольшим количеством акций, доходность которого следует за доходностью индекса. Это позволяет реже пересматривать портфель, снижает транзакционные издержки.  Обратной стороной такого подхода является риск отклонения доходности из-за несовершенного хеджирования.

×

Об авторах

Виктор Николаевич Никишов

Самарский национальный исследовательский университет имени академика С.П. Королева

Автор, ответственный за переписку.
Email: tsh-sea05@yandex.ru
ORCID iD: 0000-0003-3629-4015

кандидат физико-математических наук, доцент кафедры математики и бизнес-информатики

Россия, 443086, Российская Федерация, г. Самара, Московское шоссе, 34

Вадим Олегович Левченко

Самарский национальный исследовательский университет имени академика С.П. Королева

Email: vadlev83@yandex.ru
ORCID iD: 0000-0002-8648-3300

старший преподаватель кафедры математики и бизнес-информатики

Россия, 443086, Российская Федерация, г. Самара, Московское шоссе, 34

Список литературы

  1. 1. Фондовая биржа ОАО ММВБ-РТС. URL: http://www.moex.com/.
  2. 2. Мельников А.В., Попова Н.В., Скорнякова В.С. Математические методы финансового анализа. Москва: Анкил, 2006. 440 с.
  3. 3. Нестеров Ю.Е. Методы выпуклой оптимизации. Москва: МЦНМО, 2011.
  4. 4. Шукаев Д.Н. Прикладные методы оптимизации. Москва: Издательский дом Академии Естествознания, 2017.
  5. 5. Андерсон Т. Введение в многомерный статистический анализ. Москва: Физматгиз, 1963. 500 с.
  6. 6. Мэри Джексон, Майк Стонтон. Финансовое моделирование в EXCEL и VBA: углубленный курс. Москва: ООО "И.Д. Вильямс", 2006. 352 с.
  7. 7. Ито К. Вероятностные процессы, вып. 1,2. Москва: Изд-во “ИЛ”, 1960.
  8. 8. Рубцов Б.Б. Современные фондовые рынки. Москва: Альпина Бизнес Букс, 2013. 370 с.
  9. 9. Шарп У.Ф., Александер Г.Дж., Бэйли Д.В. Инвестиции. Москва: ИНФРА-М, 2011.1035 c.
  10. 10. Holton G.A. Value-at-Risk. Theory and Practice. Academic Press. 2003.
  11. 11. Беннинга, Шимон. Финансовое моделирование с использованием EXCEL. Москва: ООО "И.Д. Вильямс", 2007. 592 с.
  12. 12. Чернова Г.В., Кудрявцев А.А. Управление рисками: учеб. пособие. Москва: ТК "Велби", "Проспект", 2007. 160 с.
  13. 13. Королев В.Ю., Бенинг В.Е., Шоргин С.Я. Математические основы теории риска. Москва: Физматлит, 2007. 544 с.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Вестник Самарского университета. Экономика и управление, 2021

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-ShareAlike 4.0 International License.

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах