Диссертация (1138372), страница 19
Текст из файла (страница 19)
В настоящее времянет точного метода определения инвестиционного ориентира, чтопорождает множество споров по поводу того, какие факторыявляются ключевыми при составлении бенчмарка для оценкиэффективностиуправляющего.соотноситсяинвестиционнойсЭталонныйпоказательстратегиейфонда,долженатакжесоответствовать уровню риска портфеля. Отсутствие эталонногопоказателя в значительной мере затрудняет оценку способностейуправляющего.Несоответствие между частотой наблюдений и частотойпринятия решений также может вносить значительные искажения воценки мер эффективности управляющих на финансовых рынках.Полученные результаты [Sehgal, Jhanwar, 2008] свидетельствуют отом,чтопоказателиспособностейуправляющихкпикингузначительно улучшаются при использовании дневных данных вместомесячных—около28%фондовввыборкеначинаютхарактеризоваться значимым положительным уровнем альфы.136Проведенный анализ выявил необходимость совершенствованияметодов оценки навыков управляющих активами ПИФ-ов.
Крометого, необходим учет специфики российского рынка. В связи с этим, втретьей главе диссертационного исследования автором предложенметод определения навыков российских управляющих активамиПИФ-ов.Выбран наиболее подходящий показатель – альфа Йенсена. Онотносительно прост в расчетах, легко интерпретируем – его величинапоказывает избыточную доходность относительно бенчмарка сзаданным риском.
Кроме того, данные показатели рассчитываютсярейтинговымиуправляющих)агентствамии(InvestFunds,некоторымиНациональнаяПИФ-ами,т.е.лигаявляютсяраспространенными.Выбран бенчмарк, наилучшим образом подходящий для оценкироссийскихуправляющих.Дляэтогобылисформулированытребования к валидному бенчмарку. Для фондов акций в качествебенчмарка был выбран индекс MSCI Russia (MSCI Russia StandardIndex).Этотиндекснаилучшимобразомподходитподсформулированные критерии.
Безусловно, он не является идеальнымбенчмарком, однако он является лучшим из существующих на данныймомент.Индекс рассчитывается международной аналитическойкомпанией Morgan Stanley Capital International Inc. Провайдероминдекса является агентство MSCI Barra, образованное в 2004 годуMSCI и Barra. Вес акции компании в индексе MSCI Russia зависит откапитализации, количества акций в свободном обращении и ихдоступностидляиностранныхинвесторов.Составиндексапересматривается ежеквартально. Расчёт индекса осуществляется вдолларах США, на основе смешанных данных в российских рублях137(по котировкам на российской бирже) и в иностранной валюте (покотировкам ADR и GDR).Для фондов облигаций был выбран иной бенчмарк: индексMICEX CORP BOND TR – Индекс корпоративных облигаций ММВБ.Этотиндексвходитвсемействооблигационныхиндексов,разработанных в соответствии с рекомендациями Европейскойкомиссии по облигациям (European bond commission), Европейскойфедерации финансовых аналитиков (European Federation of financialanalystssocieties).ИндекскорпоративныхоблигацийММВБ(рассчитывается с 01 января 2003 года) представляет собойвзвешенный по объемам выпусков индекс облигаций корпоративныхэмитентов, допущенных к обращению на Фондовой бирже ММВБ.Предложен и апробирован метод, использующий альфу Йенсенаиописанныйвышебенчмаркдляоценкинавыков(впротивоположность «удаче») российских управляющих активамиПИФ-ов.
В основе метода лежит бутстрап-подход к инференции.Технически метод был реализован на языке R.Метод был апробирован на выборке, содержащей данные о 383открытых российских паевых фондов за период с июля 2001 года подекабрь 2013. Доходность, которая не может быть получена за счетудачи, наблюдается у 13% фондов акций и 34% фондов облигаций.Таким образом, результаты, полученные в данной работе, соотносятсяс результатами уже существующих исследований с использованиеманалогичных мер эффективности.
Среди российских управляющихактивами ПИФ-ов существует относительно небольшая доля тех, ктодемонстрирует наличие навыков.Изучено влияние используемой частоты данных (дневные,недельные, месячные и т.д.) на итоговые показатели навыкауправляющих. Проведены симуляции для частоты наблюдений от 1 до138180. При этом 1 соответствует дневным данным, 2 – данным закаждый второй день, и т.д. 180 соответствует полугодовым данным.Для каждой из описанных частот данных найдена доля управляющих,обладающих навыками к неслучайному опережению бенчмарка.Выработаны рекомендации относительно минимальной частотыиспользуемых данных: необходимо использовать данные с частотойне ниже, чем 67 дней.Вцелом,можносделатьвыводосостоятельностипредложенного метода для оценки навыков российских управляющихактивами ПИФ-ов. Он свободен от недостатков текущих методов и,что важно, учитывает специфику российского рынка.139СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫМонографии и учебники:1.Управление портфелем (перевод с английского).
ГИФА.2.Муравьёв Д.М. (2006) Обыгрывают ли российские паевые2006фонды рынок? / Препринт # BSP/2006/085 R. - М.: РоссийскаяЭкономическая Школа, 2006. – 29 с. (Рус.)3.Foster G. (1986) Financial Statement Analysis // Prentice Hall,Englewood Cliffs, 1986.4.Ke D. (2006) On market timing ability: evidence frombalanced funds // Eastern Kentucky University Press, 2006.5.Ross S. (2002) Princeton Lectures in Finance // Princeton:Princeton University Press.Статьи в периодических источниках:1.Abrevaya J., Jiang, W. (2001) Pairwise-slopes statistics fortesting curvature // working paper, University of Chicago Graduate Schoolof Business and Columbia Business School.2.Ackermann C., Mcenally R., and Ravenscraft D. (1999) Theperformance of hedge funds: Risk, return, and incentives // The Journal ofFinance, 1999.
– Vol.54. No.3. – p. 833–874.3.Admati A.R., Bhattacharya S., Ross S.A., Pfleiderer P. (1986)On timing and selectivity // Journal of Finance, 1986. – Vol.41. – p. 715730.4.Aiolfi M., Favero C. (2002) Model Uncertainty, ThickModelling and the Predictability of Stock Returns // working paper, IGIER.5.Ait-Sahalia Y.,Lo A.W.(2000) Nonparametric riskmanagement and implied risk aversion // Journal of Econometrics, 2000. –Vol. 94. – p.
9-51.1406.Ait-Sahalia Y., Mykland P. A., Zhang L. (2005) How often tosample a continuous-time process in the presence of market microstructurenoise // Review of Financial Studies, 2005. – Vol. 18. – p. 351–416.7.Aı¨t-Sahalia Y., Yu J. (2006) Saddlepoint Approximations forContinuous-Time Markov Processes // Journal of Econometrics, 2006. –Vol.
134. – p. 507-551.8.Alexander G. J., Jones J. D., and Nigro P. J. (1998) Mutualfund shareholders:characteristics, investor knowledge, and sources ofinformation // Financial Services Review, 1998. – Vol.7. No 4. – p. 301–316.9.Anatolyev S. (2007) The basics of bootstrapping // Quantile,2007. – No.3. – p. 1-12.10.Ayadi M., Kryzanowski L. (2011) Fixed-income FundPerformance: Role of Luck and Ability in Tail Membership // Journal ofEmpirical Finance, 2011.
– Vol. 18. No. 3. – p. 379–392.11.Barras L., Scaillet O., Wermers R. (2010) False Discoveriesin Mutual Fund Performance: Measuring Luck in Estimated Alphas //Journal of Finance, 2010. – Vol. 65. – p. 179-216.12.Berk J. B., Green R. C. (2004) Mutual Fund Flows andPerformance in Rational Markets // Journal of Political Economy, 2004.
–Vol. 112. No.6. – p. 1269–1295.13.Bildersee J.S. (1975) The association between a marketdetermined measure of risk and other measures of risk // AccountingReview, 1975. – Vol. 50. – p. 81-98.14.Blake D., Lehmann B.N., Timmermann A. (1999) Assetallocation dynamics and pension fund performance // The Journal ofBusiness, 1999. – Vol. 72. No.4. – p. 429–461.14115.Bollen N., Busse J. (2001) On the Timing ability of mutualfunds managers // The Journal of Finance, 2001. – Vol.
56.16.Bollen N., Busse J.A. (2005) Short-term persistence in mutualfund performance // Review of Financial Studies, 2005. – Vol. 18. No. 2. –p. 569–597.17.Bossaert P., Hillion P. (1999) Implementing Statistical Criteriato Select Return Forecasting Models: What do we Learn? // Review ofFinancial Studies, 1999.18.Breen W., Glosten L., Jagannathan R. (1989) Economicsignificance of predictable variations in stock index returns // Journal ofFinance, 1989. – Vol. 44. – p.
1177– 1189.19.Brinson G., Hood L.R., Beebower G.L. (1986) Determinantsof Portfolio Performance // Financial Analysts Journal, 1986. – Vol. 39. –p. 133-138.20.Brown K. C., Harlow W. V., Starks L.T. (1996) Oftournaments and temptations: An analysis of managerial incentives in themutual fund industry // The Journal of Finance, 1996. – Vol. 51. No.1. – p.85–110.21.Brown S.
J., Goetzmann W., Ibbotson R.G., Ross S.A. (1992)Survivorship bias in performance studies // The Review of FinancialStudies, 1992. – Vol. 5. No.4. – p. 553–580.22.Cao C., Chen Y., Liang B., Lo A. (2013) Can Hedge FundsTime Market Liquidity? // Journal of Financial Economics, 2013. - Vol.109.
Iss: 2 - p. 493-516.23.Capon, N., Fitzsimons G. J., and Prince R. A. (1996) Anindividual level analysis of the mutual fund investment decision // Journalof Financial Services Research, 1996. – Vol. 10. No.1. – p. 59–82.24.Carhart M.M. (1997) On persistence in mutual fundperformance // The Journal of Finance – Vol. 52. No.1. – p. 57–82.14225.professionalChance D., Helmer M. (2001) Theperformance ofmarket timers: daily evidence from executed strategies //Journal of financial economics, 2001.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
