Диссертация (793627), страница 18

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 18)

Иными словами, требуется удостовериться в том, что показатели,получаемые на основании кусочно-линейной аппроксимации, находятся взависимости от различных параметров качества управления.В ходе апробации модели были построены 18 профилей различныхинвесторов, отличающихся по предпочтениям относительно потенциала ириска. Для каждого из инвесторов были оценены показатели воспринимаемогопотенциала и воспринимаемого риска, найдены соответствующие значенияфункции полезности. Оценка жизнеспособности модели основана на расчетепоказателей ранговой корреляции: если методика обладает высокойселективностью, ранжирование портфелей для разных инвесторов будетотличаться. Следовательно, показатели ранговой корреляции будут низкими.При рассмотрении воспринимаемого потенциала и воспринимаемогориска в отдельности селективность профиля является низкой.

Это согласуетсяс общепринятым представлением о том, что рассмотрение показателейдоходности и риска в отдельности не имеет значения. Ранжирование на основепоказателя «потенциал/риск» и на основе показателя ожидаемой полезностиобладает высокой селективностью, что свидетельствует о жизнеспособностиметодики,т.е.еевозможностиучитыватьзаложенные в функции полезности.113предпочтенияинвестора,В дальнейшем, по описанным выше причинам, будет предпринятапопытка сравнительного анализа методики кусочно-линейной аппроксимациифункции полезности с прочими аналогичными методиками ранжированияинвестиционных возможностей, а также возможность учета характеристиккачества управления портфелем при принятии решений на основепредложенной методики.3.2.Сравнительный анализ методик выбора портфеля длячастного инвестораДля подтверждения тезиса о применимости модели кусочно-линейнойаппроксимации в ходе выбора портфеля будет проведен сравнительный анализрезультатов,полученныхнаоснованиитрадиционныхпоказателей(коэффициент Шарпа и подобные ему), показателей с учетом склонности криску и показателей на основе кусочно-линейной аппроксимации.

Еслиселективность модели (ее способность учитывать отношение к потенциалу ириску) по крайней мере не ниже, чем у других моделей, методика можетсчитаться применимой.Как и ранее, применяемые методы будут тестироваться с использованиемметода ранговой корреляции.В первую очередь тестированию подверглись традиционные показатели,используемыевпрактикеуправляющихкомпанийдляоценкиинвестиционных стратегий. К ним относятся: Коэффициент Шарпа (SR); Коэффициент«ожидаемаяпремияксреднемулинейномуотклонению» (EP/MAD); Коэффициент «ожидаемая премия к индексу Джини» (EP/Gini); Коэффициент «ожидаемая премия к стандартному полуотклонениюот среднего» (EP/Half-σ);114 Коэффициент «ожидаемая премия к стандартному полуотклонениюот нуля» (коэффициент Сортино, EP/Semi-σ); Коэффициент «ожидаемая премия к VaR» (EP/VaR); Коэффициент «ожидаемая премия к ETL» (EP/ETL); Коэффициент «ожидаемая премия к максимальному убытку»(EP/Max Loss); Коэффициент «ожидаемая премия к просадке» (EP/DD); Коэффициент «maximum drawup/maximum drawdown» (DU/DD); Коэффициент «ожидаемая премия/бета» (EP/Beta); Коэффициент «альфа/бета» (Alpha/Beta).Как описывалось ранее, фактически все перечисленные показателиявляются некой модификацией коэффициента Шарпа, по причине чегоразделяют его достоинства и недостатки.

В частности, данные показателиимеют тенденцию к переоценке безрисковых портфелей.Ниже (табл. 25) представлена матрица ранговых корреляций междуописанными выше показателями.Таблица 25. Матрица ранговой корреляции между традиционнымипоказателями потенциал/риск.

Расчеты автора на основании данныхНЛУ [190]EP/EP/ EP/EP/EP/EP/EP/EP/EP/max EP/VaR VaR ETL ETLloss DDMAD Gini Half-σ Semi-σ(0,05) (0,01) (0,05) (0,01)DU/DDEP/ Alphabeta / beta1,001,001,000,780,750,980,970,980,980,980,990,610,980,591,001,001,000,770,750,980,970,980,980,980,990,610,980,601,001,001,000,770,750,980,970,980,980,980,990,620,980,590,780,770,771,000,970,810,830,800,810,800,810,510,770,300,750,750,750,971,000,770,790,760,770,760,780,460,740,290,980,980,980,810,771,000,991,001,001,000,990,620,960,540,970,970,970,830,790,991,000,991,000,990,980,600,950,500,980,980,980,800,761,000,991,001,001,000,990,620,960,550,980,980,980,810,771,001,001,001,001,000,990,610,960,53SharpeSharpeEP/MADEP/GiniEP/Half-σEP/Semi-σEP/VaR(0,05)EP/VaR(0,01)EP/ETL(0,05)EP/ETL(0,01)115Продолжение таблицы 25EP/maxlossEP/DDDU/DDEP/betaAlpha/beta0,980,980,980,800,761,000,991,001,001,000,990,620,960,560,990,990,990,810,780,990,980,990,990,991,000,650,980,570,610,610,620,510,460,620,600,620,610,620,651,000,650,390,980,980,980,770,740,960,950,960,960,960,980,651,000,630,590,600,590,300,290,540,500,550,530,560,570,390,631,00Как и ожидалось, коэффициенты ранговой корреляции, рассчитанные длятрадиционных показателей эффективности инвестиционных стратегий,близки к единице.

Это свидетельствует о том, что на практике разница междурэнкингами,составленнымипоразнымпоказателям,различаютсянесущественно.В определенной степени исключение составляют показатели «премия кстандартному полуотклонению», «drawup/drawdown», «альфа/бета». Дляпредставленных показателей коэффициенты ранговой корреляции с другимитрадиционными мерами ниже 0,9. Это свидетельствует о том, что, во-первых,учет только односторонних отклонений приводит к существенно отличнымрезультатам.

Об этом же свидетельствует анализ корреляции различныхпоказателей риска (табл. 26).Таблица 26. Матрица корреляции различных показателей риска.Расчеты автора на основании данных НЛУ [190]σMADHalf- σSemi- σVaR (0,01)VaR (0,05)ETL (0,01)ETL (0,05)GiniDDBetaσ1,000,990,840,690,780,760,780,780,980,810,78MADHalfσ1,000,850,680,780,760,780,780,990,810,781,000,920,910,910,900,910,840,900,70Semi- VaRVaRETLETLσ(0,01) (0,05) (0,01) (0,05)1,000,900,930,900,920,700,860,601,000,961,001,000,800,970,801161,000,950,980,780,910,721,000,990,800,970,811,000,800,960,78Gini1,000,820,79DD1,000,85Beta1,00Между показателями стандартного отклонения, среднего линейногоотклонения и коэффициентом Джини наблюдается корреляция, близкая к 1.Однако значения корреляции между двусторонними (стандартное отклонение,среднее линейное отклонение, коэффициент Джини) и одностороннимипоказателями риска существенно ниже – на уровне 0,7-0,8.

Данный выводкосвенноподтверждаетнеобходимостьотдельногомоделированияпредпочтений к потенциалу и риску.Сравнительно низкие показатели ранговой корреляции наблюдаютсямежду коэффициентом «drawup/drawdown» и прочими. Это происходит попричине того, что коэффициент «drawup/drawdown» очень чувствителен к«выбросам» данных.Коэффициент «альфа/бета» по критерию ранговой корреляции такжесущественно отличается от прочих традиционных показателей.

С однойстороны,показатель«альфа»(сверхдоходностьприданномуровнесистематического риска) слабо коррелирует с показателем ожидаемой премии(коэффициент корреляции 0,58), поскольку является в большей степенихарактеристикой качества управления чем характеристикой распределениядоходности портфеля. Во-вторых, показатель бета учитывает толькосистематический риск.

Если все портфели абсолютно диверсифицированы,разницы между систематическим и общим риском нет. Однако на практикепортфели включают достаточно большую долю несистематической вариации.В дальнейшем все показатели, учитывающие предпочтения инвесторов,будут сопоставляться с коэффициентом Шарпа (с двусторонним отклонениемв знаменателе) и коэффициентом Сортино (с односторонним отклонением взнаменателе).Показатели,оценивающиеинвестиционныестратегиисучетомпредпочтений инвесторов относительно потенциала и риска, будут разделенына следующие группы: L-коэффициенты – показатели, рассчитанные на основанииквантилей функции распределения доходности;117 R-коэффициенты – определяются как отношение показателейExpected Tail Loss и аналогичного ему Expected Tail Return; UPM/LPM-коэффициенты.

Данная группа основана на определенииодносторонних моментов распределения доходности. Порядокмомента зависит от склонности к риску и от предпочтенийотносительно потенциала.Матрицы ранговой корреляции для показателей, обозначенных выше,представлены далее в табл. 27.Таблица 27. Матрица ранговой корреляции для L-коэффициентов.Расчеты автора на основании данных НЛУ [190]L(0,01)L(0,05)L(0,1)L(0,2)L(0,3)L(0,4)L(0,01)1,000,990,980,960,960,94L(0,05)0,991,000,990,960,950,94L(0,1)0,980,991,000,970,960,95L(0,2)0,960,960,971,000,990,98L(0,3)0,960,950,960,991,000,99L(0,4)0,940,940,950,980,991,00Как видно из матрицы ранговой корреляции, показатели L впредложенных условиях не обладают высокой селективностью.

Характеристики

Список файлов диссертации