Диссертация (1138372), страница 13
Текст из файла (страница 13)
M. Doncel, P. Бенчмарк,Альфа1284паевыхGrau, J. Otamendi,J. БутстрапЙенсена,инвестиционныхфонда,моделирование Трейнора-Sainz2011 г.«TheМацуиtruthabout(Treynorзарегистрированных в пятиевропейских– Франция(67),странах:Германияmutual fundsMazuy), Фама- (134),Люксембург(772),across Europe»Френча,Испания (72), СоединенноеКархардаКоролевствоВеликобритании(239).Данные были предоставленыMorningstar.Рассматриваемыйпериодсоставляет 11 лет, с января1995 по декабрь 2005.OLS альфа,R. Kosowski, N.
Y.БутстрапNaik, M. Teoмоделирование Bayesian2005 г.,альфа,«Do hedge fundsBayesianАльфа Йенсена гг. Данные былиdeliver alpha? Aподход.Выборка представляет собойхедж-фонды за период сянваря 1990 по декабрь 2002предоставлены базамиBayesian andданных ТАСС, HFR, CISDMbootstrap analysis»и MSCI и представляютсобой самый крупный наборданных хедж-фондов насегодняшний день. Выборкав общей сложности86АвторМетодикаМерыВыборкаэффективностисоставила 6392 «живых»хедж-фонда и 2946«мертвых» фондовS. Suh, K. HongБенчмаркАльфа Йенсена2010 г.(6 факторнаяинвестиционный фонд«Control of Luck inмодель),Кореи, каждый из которыхMeasuringБутстрапсуществует не менее 60Investmentмоделированиемесяцев за период с 2001 поFund Performance»791 открытый2009 гг.Equity (502 funds), equity–bond blend (135 funds), andbond–equity blend (154 funds).Выборка была взята из базыданных Zeroin.В работах Косовски [Kosowski et al., 2006] и Катберсона[Cuthbertson, 2005] основные эмпирические выводы совпадают.Основываясь на их работах, можно сделать вывод, что в странах СШАи Великобритании есть несколько управляющих с наличием высокогоуровня доходностей, которые нельзя полностью списать на «удачу»,или показывающих постоянные плохие результаты, которые нельзяполностью объяснить«неудачей».Таким образом,инвесторы,вкладывающие деньги в первый тип фондов, преумножают своикапиталы, в то время как вкладчики, выбравшие второй типуправляющих, несут постоянные убытки.Интересные результаты были получены в работе [Fama, French,2009].
Авторы работы своим исследованием доказали, что даже еслиуправляющие имеют достаточно умений для покрытия своихиздержек, то они скрыты большим количеством управляющих без87соответствующих навыков. В долгосрочной перспективе полученныерезультаты указывают на отрицательное значение альфы чистойдоходности для большинства активных фондов, включая те, которыена протяжении длительного времени показывали положительноезначение оценки альфы.Фама и Френч в своей работе приходят к выводу, чтосуществуют управляющие, чьи действия приводят к уменьшениюожидаемой доходности, а так же управляющие, способные увеличитьожидаемую доходность.
В дополнение к этому авторы утверждают,что, если кросс-секция действительной (True) α имеет нормальноераспределение со средним значением равным нулю и стандартнымотклонением σ, то σ равная 1.25% в год способна охватить хвостыраспределения оценок α для данной выборки активно управляемыхфондов.К основным работам, связанным с темой оценки эффективностименеджеров, можно отнести работу, написанную в 1997 г. М.М.Кархартом [Carhart, 1997]. Он пришел к выводу, что существуеткрайне малое количество управляющих, способных стабильнополучать сверхдоходность. В основной массе фонды показывалиположительную доходность на небольших промежутках времени.Исходя из этого, можно сделать вывод, что данная доходность можетбыть объяснена удачей.Полученныерезультатынеподтверждаютналичиеспециалистов и не дают обоснования поведению управляющих.Постоянство доходности паевых фондов не является результатомумения управляющих. Обычные факторы доходности акций ипостоянные различия в расходах фондов почти полностью объясняютспособности предсказания доходности ПИФов.88Таким образом, можно сделать вывод, что полученныерезультаты различны не только по отношению к разным странам, нотакже различны для разных методов и мер эффективности.
Как мыможем видеть, вероятность получения различных результатов прииспользовании разных мер эффективности велика (даже еслиисследование было проведено на основании одной выборки).2.3.2 Проблема выбора бенчмаркаВыбор бенчмарка также играет важную роль. Для оценкиспособностейменеджеракобыгрываниюрынканеобходимосопоставить показатели доходности паевого фонда с показателямидоходности эталонного показателя. В настоящее время нет точногометода определения инвестиционного ориентира, что порождаетмножество споров по поводу того, какие факторы являютсяключевыми при составлении бенчмарка для оценки эффективностиуправляющего. Чаще всего в качестве эталона используютсяпоказатели рыночных индексов. К положительным характеристикамтакого подхода можно отнести широкий охват рынка.
Однако, еслиуправляющий включит в свой портфель активы, не учтенные вбенчмарке, то с высокой долей вероятности можно сказать, чтополученныеоценкиокажутсяискаженными.Болеетого,использование эталонного показателя может привести к смещенностирезультатов из-за усреднения характеристик бенчмарка.Эталонный показатель должен соотноситься с инвестиционнойстратегией фонда, а также соответствовать уровню риска портфеля.Отсутствие эталонного показателя в значительной мере затрудняетоценку способностей управляющего.892.3.3 Проблема выбора частоты используемых данныхНесмотрянаблюденийнаито,чточастотойнесоответствиепринятиярешениймеждучастотойможетвноситьзначительные искажения в оценки мер эффективности управляющихна финансовых рынках, данный вопрос является слабоизученным.Существуетвесьманебольшоеколичествоисследований,посвященных оценке влияния частоты наблюдений на итоговыепоказатели.Большинствоэффективностиреальноизнихсводитсясуществующихкфондовизмерениюспомощьювыбранных показателей при разной частоте наблюдений.В качестве примера подобного исследования можно выделитьработу [Sehgal, Jhanwar, 2008], где проводилась оценка наиболее частоиспользуемых мер на месячных и дневных данных по выборке из 59индийских фондов.
Полученные результаты свидетельствуют о том,что показатели способностей управляющих к пикингу значительноулучшаются при использовании дневных данных вместо месячных —около 28% фондов в выборке начинают характеризоваться значимымположительным уровнем альфы Йенсена. Несмотря на то, чтоиндийские фонды не демонстрировали выдающихся способностей ктаймингунамесячных данных,прииспользованиидневныхдоходностей 45% из них показали положительный уровень мерыТрейнора–Мазуи(Treynor–Mazuymeasure)и28%—мерыХенрикссона–Мертона (Henriksson and Merton’s test). Похожийрезультат был получен в работе (Chance, Helmer, 2001), изучавшейрезультаты деятельности 30 профессиональных маркет-таймеров.Хотя рассмотренная в ней выборка не позволяет экстраполироватьрезультаты на взаимные фонды, они, тем не менее, могут быть90интерпретированы, как подтверждение гипотезы о неустойчивостимер эффективности при изменении частоты используемых данных.Первым, кто исследовал вопрос о влиянии частоты наблюденийи совершения операций на итоговые показатели эффективности, былиавторы работы [Goetzmann et al., 2000], которые использоваликомпьютерное моделирование, чтобы доказать, что способноститаймера, ежедневно принимающего инвестиционные решения, будутнедооценены при использовании месячных данных.
Отметим, что примоделировании авторами не применялись реальные данные, основнойих целью было создание таймеров, которые с периодичностью одинраз в день принимают решение о выборе в своем портфеле 100%-ноговеса для рискового или безрискового актива. При этом в качествеизбыточных доходностей за 10 лет (2520 дней) по рисковому активувыступалинезависимыепеременные,которыеодинаковораспределенныехарактеризовалисьслучайныеежегоднымсреднимзначением на уровне 10% и стандартным отклонением на уровне 16%,т.к.подобныепараметрытипичныдлябольшинствадиверсифицированных индексов на американском фондовом рынке.Болеетого,результатоввцеляхспецификеобеспечениясоответствиядеятельностиполученныхвзаимныхфондовдополнительно вводился запрет на совершение операций короткихпродаж.
Идеальным таймером признавался управляющий, которыйспособен предсказать знак избыточной доходности по безрисковомуактиву без какой бы то ни было ошибки. В результате было создано 10групп искусственных менеджеров (по 1000 управляющих), каждая изкоторых характеризовалась долей удачных и неудачных сделок. Витоге авторами был получен вывод о том, что используемые тесты необладают достаточной мощностью для идентификации и оценки91способностей к таймингу, если инвестиционное решение принимаетсячаще, чем проводятся замеры результатов деятельности фонда.Дальнейшее продолжение данная тема получила в статье[Bollen, Busse, 2001]. Авторы иным образом подошли к вопросумоделированияискусственныхуправляющих:вотличиеотпредыдущих исследователей ими были использованы реальныемесячные и дневные данные о доходностях 230 взаимных фондов,действующих на рынке США.
При этом была проведена оценка мерТрейнора–Мазуи и Хенриксона–Мертона для обоих временных срезовданных. Эта оценка показала, что использование дневных данныхзначительно увеличивает число фондов, обладающих способностямик таймингу. Однако авторы не остановились на данном результате,который мог бы оказаться ложным, и для дополнительной проверкиданного факта сконструировали дневных таймеров, не обладающихспособностями. Для этого на основании оценок регрессии каждогореально существующего фонда путем извлечения с возвратом изобщегомножестваостатковэлементаиегоприбавлениякполученным регрессорам при условии отсутствия способностей ктаймингу создавалось 100 новых искусственных менеджеров. Врезультате замеров эффективности управления для искусственныхфондов на дневном и месячном срезах были получены результаты,согласно которым использование месячных данных, в отличие отдневных, значительно завышает количество менеджеров, обладающихспособностями к таймингу.Заметим, что применение реальных данных о деятельностиуправляющих при изучении рассматриваемого вопроса являетсянежелательным также потому, что редкое совершение операцийможет приводить к смещенным оценкам дисперсии и автокорреляциипри оценке факторных моделей, как это отмечено в работе [Scholes,92Williams, 1977].
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
