CC BY
127
47 (137) - 2012
Фондовый рынок
УДК 336.763
ИСПОЛЬЗОВАНИЕ МНОГОФАКТОРНЫХ МОДЕЛЕЙ ДЛЯ ОЦЕНКИ ЭФФЕКТИВНОСТИ ПАЕВЫХ ИНВЕСТИЦИОННЫХ ФОНДОВ
а. в. аистов,
кандидат физико-математических наук,
доцент кафедры экономической теории и эконометрики E-mail: aaistov@hse. ru
к. е. кузьмичёв,
преподаватель кафедры финансового менеджмента
E-mail: kkuzmitchev@hse. ru Национальный исследовательский университет -Высшая школа экономики в Нижнем Новгороде
Авторы показывают, в какой степени такие факторы риска, как рыночный фактор из модели САРМ, фактор стоимости и фактор размера из трехфакторной модели Фамы - Френча, а также фактор предыдущих доходностей из четырехфак-торной модели Фамы - Френча - Кархорта, влияют на избыточную доходность паевых инвестиционных фондов.
Ключевые слова: паевой инвестиционный фонд, САРМ, эффективность инвестиций.
Введение
За последние десятилетия написано большое количество научных работ, посвященных изучению поведения паевых инвестиционных фондов (ПИФов) в Соединенных Штатах Америки. Большинство авторов показывают, что показатели фондов в среднем лучше показателей бенчмарков (рыночных индексов) и с течением времени характеристики риска и доходности фондов сильно не изменяются.
Данная устойчивость, как правило, объясняется такими факторами, как расходы фонда, его размер и моментум. И только небольшая часть избыточной
доходности связана с наличием у управляющих фондами какой-то дополнительной информации.
Однако следует отметить, что результаты исследований, полученные для рынка США, далеко не всегда можно экстраполировать на развивающиеся рынки из-за присущей последним меньшей эффективности. В связи с этим можно ожидать, что активное управление портфелем на таких рынках будет приносить большую избыточную доходность. Более того, в связи с наличием на развивающихся рынках большого количество активов с низкой корреляцией их менеджеры имеют конкурентные преимущества по сравнению с управляющими на развитых рынках.
Обзор литературы
Огромное количество работ посвящено исследованию эффективности работы паевых инвестиционных фондов при разных состояниях экономики и в разное время. Согласно М. Дженсену [10, с. 389-416], концепция эффективности фондов может иметь как минимум два определения. Во-первых, это способность управляющего увеличить
доходность посредствам удачного предсказания будущих цен. Во-вторых, — умение менеджера снизить размер страхуемого риска.
Используя данные 115 открытых фондов с 1955 по 1964 г., автор обнаружил, что менеджеры в среднем не способны предсказать изменения цен настолько хорошо, чтобы превзойти эффективность пассивной стратегии инвестирования. Более того, они не способны управлять лучше стратегии случайной продажи и покупки акций.
Месячные данные 1 892 диверсифицированных фондов акций за период с января 1962 г. по декабрь 1993 г. использует М. Кархарт [2, с. 57—82]. Он модифицирует трехфакторную модель Фамы — Френча, добавляя к факторам рынка, размера и стоимости одногодичный моментум. Под моментумом понимается средняя доходность за предыдущие 12 мес.
Используя данную модель, автор приходит к следующим выводам:
1) инвесторы должны избегать фондов с плохими показателями эффективности;
2) фонды с высокой доходностью периода t - 1 показывают доходность выше средней ожидаемой доходности в периоде t, но не в периоде t + 1;
3) инвестиционные затраты, транзакционные издержки и надбавка к стоимости пая при покупке инвестором негативно влияют на эффективность фонда.
С помощью объединения баз данных CDA Investment technologies и CRSP и декомпозиции структуры издержек и доходов Р. Вермерс [15, с. 1655—1695] обнаружил, что паевые инвестиционные фонды держат акции, доходность которых в среднем превышает доходность рынка на 130 базисных пунктов ежегодно. При этом чистая доходность фондов на 230 пунктов ниже рынка.
По мнению автора, 0,7 % из 2,3 % связано с низкой доходностью активов отличных от акций, а остальные 1,6 % — с транзакционными издержками и прочими расходами фонда. Также замечено, что фонды, которые делают ребалансинг портфеля чаще, выбирают более доходные акции по сравнению с фондами, редко пересматривающими портфель.
Некоторые менеджеры могут превосходить доходность бенчмарка на 2-3 %, как показали М. Грин-блат и С. Титман [7, с. 47—68]. Однако используемая ими выборка очень мала, и бенчмарк не учитывает аномалии размера, стоимости и моментума.
Структуру рисков паевых инвестиционных фондов М. Грубер [8, с. 147-159] изучал с помощью
факторного анализа. И пришел к выводу, что всего 4-5 факторов оказывают влияние на доходность фонда. К ним относятся размер фонда, доходность облигаций и выбранные бенчмарки.
Эффективность паевых фондов Великобритании на выборке с января 1982 г. по декабрь 1996 г. исследовали Дж. Флетчер и Д. Форбс [6, с. 289-306]. Они применяли метод стохастического дисконт-фактора к широкому классу моделей, таких как САРМ, линейная факторная модель Кэмпбелла, арбитражная модель ценообразования и четырех-факторная модель Кархарта.
Авторы показали, что ни одна из моделей не доминирует при предсказании доходности пассивного портфеля и определении избыточной доходности гипотетической торговой стратегии. Не было получено подтверждения гипотезы о высокой эффективности паевых фондов в Великобритании, а вознаграждение, выплачиваемое инвестором управляющим фонда, оказывает смешанный эффект на результативность фонда.
Все фонды США с 1962 по 2000 г. изучили Р. Оттен и Д. Бамс [13, с. 203-222] и пришли к выводу, что четырехфакторная модель Кархарта является лучшей для описания поведения фондов.
К сожалению, большинство исследований, посвященных эффективности работы паевых инвестиционных фондов, проведены по данным США. Некоторые исследователи обращали внимание на отдельные европейские страны.
Особняком стоит работа Р. Оттена и Д. Бамса [12, с. 75-101], в которой исследуется выборка из 506 фондов Франции, Германии, Италии, Великобритании и Нидерландов. Авторы обнаружили, что альфа среднего паевого фонда в Европе неотличима от нуля. Но, если не делать корректировки доходности фонда на вознаграждение за управление, это приведет к тому, что в четырех из пяти стран будет наблюдаться наличие избыточной доходности фондов.
Авторы утверждают, что меньшее влияние оказываемое фондами на рынок в Европе, позволяет им с большей вероятностью превосходить бенчмарк. В этом плане рынки Европы и США очень сильно различаются: вложения фондов в США составляют около 30 % капитализации рынка, а в Европе — только 10 %.
Информация о поведении фондов коллективного инвестирования на развивающихся рынках скупа. Так, М. Ферейра с соавторами [5] и А. Корана с соавторами [11, с. 145-185] показывают наличие
финансовая аналитика
проблемы и решения
положительной взаимосвязи между скорректированной на риск доходностью и такими переменными, как развитость рынков капитала и института права. Исходя из этих данных, следует ожидать, что ПИФы в развивающихся странах будут проигрывать рынку.
С другой стороны, некоторые исследования развивающихся рынков, где информационной базой являются данные с развитых рынков, показывают лучшие результаты фондов на развивающихся рынках. Например, Е. Боренштейн и Р. Гелос [1] показали, что менеджеры, работающие в развивающихся странах, могут быть охарактеризованы лучшими способностями к выбору смены позиции на рынке (market timing). В среднем они смогли произвести ребалансинг портфеля за месяц до кризиса.
Более современное исследование Дж. Хуидж и Р. Поста [9, с. 238-249] показало, что доходность, полученная фондами США от инвестирования в развивающиеся рынки, с лихвой покрывает издержки, связанные с данной операцией. Более того, наблюдается стабильное расхождение показателей лучших и худших фондов.
В заключение статьи авторы приходят к выводу, что фонды развивающихся рынков обычно имеют лучшие показатели в сравнении с фондами США. Следует отметить, что последние две статьи использовали данные фондов развивающихся рынков, основанных в развитых странах. Следовательно, можно предположить, что локальный инвестор развивающегося рынка должен действовать еще лучше, чем иностранный. Однако Р. Оттен и Д. Бамс [14, с. 702-720], сравнивая показатели локальных и зарубежных фондов (США) на развивающихся рынках, не смогли выявить различий.
Данные и построение квантильных портфелей
Для изучения авторами была использована база данных паевых инвестиционных фондов сайта investfunds. ru. Данная база включает в себя как существующие на данный момент фонды, так и те, которые прекратили свое существование. Следовательно, выборка лишена смещения к выжившим фондам (survival bias). В исследовании использована информация о 704 открытых паевых инвестиционных фондах с марта 2002 г. по февраль 2012 г.
Перед выполнением соответствующих оценок авторами были сформированы портфели из
одинаковых количеств паевых инвестиционных фондов. Портфели создавались в зависимости от стиля управления. Такая процедура была впервые применена Е. Фамой и Дж. Макбетом [4, с. 607-636] и необходима для снижения размера ошибок в переменных.
Процедура формирования портфелей заключается в следующем. Ежемесячно для каждого ПИФа оценивается каждая из следующих характеристик: рыночная бета, бета размера, бета стоимости, и рассчитывается средняя доходность за предыдущий год. Рыночные бета ПИФов получаются с помощью регрессионного анализа модели САРМ методом наименьших квадратов (МНК) со скользящим окном в 36 мес.:
rht = а, + ß,MRPt +е,,, (1)
где r. t- избыточная доходность 7-го фонда в месяце t,
а. - альфа Дженсена;
ß7 - рыночная бета 7-го фонда;
MRP - избыточная доходность рыночного
портфеля в месяце t;
s. t - остаточная доходность 7-го фонда в месяце
t.
Бета размера и стоимости являются результатом оценивания трехфакторной модели Фамы - Френча методом наименьших квадратов со скользящим окном в 36 мес.:
г1Л =а, +ßuMRPt +ßXlSMBt + ß3ßMLt +е„, (2) где SMBt и HMLt — доходности факторов трехфак-торной модели Фамы — Френча [3, с. 3-56]. Доходность SMB (small minus big) отвечает за фактор размера, а HML (high minus low) — за фактор стоимости. Доходности MRP, SMB и HML рассчитаны авторами самостоятельно по данным Московской межбанковской валютной биржи (ММВБ). В качестве безрисковой ставки использовались данные по краткосрочной месячной доходности государственных краткосрочных бескупонных облигаций -облигаций федерального займа, представленные на сайте Центрального банка Российской Федерации. Прокси-переменной для рыночного портфеля выступала доходность индекса ММВБ.
Затем ежемесячно производилась сортировка всех ПИФов по каждой из полученных характеристик таким образом, что в верхний квантиль попадают фонды с наибольшим значением оценки фактора. Иначе говоря, если сортируют фонды в десять портфелей, основываясь на бета размера, то в верхний квантиль войдут 10 % фондов, подвер-
женных наибольшему влиянию фактора размера, а в нижнем квантиле будут находиться 10 % фондов, подверженные наименьшему влиянию данного фактора. Такие же алгоритмы построения портфелей использованы с сортировками по рыночной бета, бета стоимости и предыдущей доходности.
После сортировки ПИФов в квантильные портфели был произведен расчет средневзвешенной фактической доходности каждого портфеля в следующем месяце. Следует отметить, что первые три года нашей выборки (с марта 2002 г. по февраль 2005 г.) используются для первичного построения
Рис. 1. Избыточная доходность портфелей, сформированных сортировкой по рыночному бета [оценке в в (1)]
о
сс .
Рис. 2. Избыточная доходность портфелей при сортировке по бета размера [оценке в2 в (2)]
портфелей. Следовательно, анализ доходности портфелей осуществляется на интервале с марта 2005 г. по февраль 2012 г.
Результаты оценивания
Первая гипотеза, которая проверяется в этой работе, - полностью ли доходность стилизованных портфелей описывается линейной функцией рыночных бета? Для тестирования авторы разделили все фонды на 10 квантильных портфелей и для каждого портфеля рассчитали среднюю избыточную доходность на всей выборке и пост-ранжированные рыночные бета, которые оценивались в соответствии с моделью САРМ из уравнения (1).
Графическое представление результатов показано на рис. 1-4. По оси абсцисс отложены рыночные бета (Beta), по оси ординат - избыточные доходности (Excess Return) в процентах, приведенные к годовым значениям. Сплошной линией изображена линия рынка ценных бумаг, предсказываемая моделью ценообразования капитальных активов. Эта линия получается из уравнения (1) при условии, что в качестве r, берется избыточная доходность рыночного портфеля. Пунктирная линия — регрессионная прямая, показывающая связь средней избыточной доходности и рыночной бета.
Анализируя представленные графики, можно сделать следующие выводы. Регрессионная линия на рис. 1 идет круче линии ценных бумаг, предсказанной моделью CAPM. Это значит, что фонды, владеющие акциями с высоким бета, получают слишком большую доходность, а фонды, портфель которых составлен из акций с низким бета, имеют слишком маленькую доходность по отношению к уровню риска вложений.
Такой же эффект заметен и для портфелей, сформированных по бета стоимости (см. рис. 3). На рис. 2 регрессионная линия имеет отри-
Рис. 3. Избыточная доходность портфелей при сортировке по бета стоимости [оценке в3 в (2)]
Рис. 4. Избыточная доходность портфелей при сортировке по предыдущим доходностям
цательный наклон, что может свидетельствовать о том, что фонды, придерживающиеся политики инвестирования в акции малых компаний (точки ближе к оси ординат), получают большую доходность при меньшем риске по сравнению с фондами, инвестирующими в крупные компании.
Следует отметить, что, во-первых, эффекты, наблюдаемые на рис. 2 и 3, не соотносятся с результатами западных исследований, а во-вторых, они очень нестабильны. Под низкой стабильностью эффектов понимается следующее. Если на рис. 2
убрать крайнюю правую точку, соответствующую наибольшим бета и избыточной доходности, то зависимость избыточной доходности от рыночных бета портфелей, сформированных по бета размера, станет существенно более сильной (с большим наклоном). При выполнении аналогичной операции на рис. 3 зависимость сменит знак — станет отрицательной. Наиболее вероятным выводом из подобных наблюдений может являться отсутствие эффектов размера и стоимости на российском фондовом рынке.
Наиболее важным является наличие эффекта моментума (рис. 4). Фонды, владеющие акциями с высокой доходностью за прошлый год, получают положительную избыточную доходность в недалеком будущем. При этом фонды, которые сформировали портфель из акций с низкой доходностью в предыдущем году, терпят убытки.
В табл. 1 представлены МНК-оценки коэффициентов уравнения (1), их ^-статистики и скорректированный Я2 для каждого из 10 портфелей, сформированных сортировкой по каждому из рассмотренных риск-факторов. Рассчитана также среднемесячная доходность каждого портфеля.
Следует отметить, что оценки бета для всех портфелей получились значимыми, что говорит о существовании статистической связи между рыночной премией за риск и избыточной доходностью каждого портфеля, независимо от того, как он был сформирован. Надо обратить внимание и на то, что параметр альфа значим только для трех крайних портфелей, полученных при сортировке по предыдущей доходности. Это значит, что существуют неучтенные факторы, влияющие на доходность этих портфелей, — отклонение от модели САРМ. Кроме этого, малые значения скорректированного Я2 говорят о низкой объясняющей силе практически всех регрессий.
Чтобы понять, существует ли влияние других факторов на избыточные доходности портфелей,
7х"
19
Таблица 1
Средняя месячная избыточная доходность и оценки параметров модели (1)
для квантильных портфелей
Показатель Средняя месячная избыточная доходность, % Альфа /-статистика альфа Бета ¿-статистика бета Скорректированный Яг
При сортировке по рыночному бета [оценке в в (1)]
Р1 0,187 0,001 0,415 0,037 0,964 0,001
Р2 0,146 0,000 0,004 0,126** 2,301 0,049
Р3 0,262 -0,000 -0,047 0,262*** 3,088 0,092
Р4 0,523 0,001 0,114 0,346*** 2,799 0,075
Р5 0,799 0,003 0,251 0,427*** 3,129 0,095
Р6 1,127 0,006 0,352 0,495*** 2,811 0,076
Р7 1,252 0,006 0,375 0,545*** 2,950 0,084
Р8 1,721 0,010 0,499 0,604*** 2,651 0,067
Р9 1,566 0,008 0,437 0,655*** 3,180 0,098
Р10 2,558 0,017 0,739 0,763*** 3,039 0,089
При сортировке по бета размера [оценке в2 в (2)]
Р1 1,845 0,012 0,549 0,570** 2,381 0,053
Р2 1,041 0,005 0,304 0,468** 2,544 0,061
Р3 1,546 0,011 0,582 0,381* 1,809 0,026
Р4 1,564 0,012 0,648 0,349* 1,762 0,024
Р5 1,256 0,008 0,540 0,356** 2,060 0,037
Р6 0,905 0,004 0,377 0,403*** 3,112 0,094
Р7 0,418 -0,001 -0,065 0,416*** 4,316 0,173
Р8 0,187 -0,003 -0,435 0 419*** 5,708 0,273
Р9 0,072 -0,005 -0,813 0,460*** 7,508 0,397
Р10 -0,305 -0,009 -1,384 0 494*** 7,163 0,375
При сортировке по бета стоимости [оценке в3 в (2)]
Р1 2,174 0,015 0,631 0,601** 2,317 0,049
Р2 1,999 0,015 0,840 0,437** 2,227 0,045
Р3 1,788 0,014 0,773 0,369* 1,900 0,030
Р4 1,200 0,008 0,499 0,370** 2,160 0,042
Р5 0,766 0,004 0,291 0,355*** 2,609 0,065
Р6 0,619 0,002 0,170 0,371*** 2,930 0,083
Р7 0,261 -0,002 -0,232 0,432*** 3,929 0,147
Р8 0,367 -0,002 -0,161 0,456*** 4,357 0,176
Р9 0,129 -0,004 -0,477 0,463*** 5,024 0,224
Р10 0,014 -0,005 -0,747 0,493*** 6,107 0,302
При сортировке по предыдущей доходности
Р1 -2,597 -0,028*** -4,277 0,435*** 5,932 0,223
Р2 -0,711 -0,010 -0,948 0,420*** 3,519 0,087
Р3 0,166 -0,003 -0,244 0,408*** 2,972 0,062
Р4 0,484 -0,000 -0,017 0,423*** 3,253 0,075
Р5 0,967 0,004 0,396 0,420*** 3,449 0,084
Р6 1,299 0,006 0,528 0,450*** 3,623 0,092
Р7 1,598 0,010 0,980 0,456*** 3,878 0,106
Р8 2,114 0,014 1,397 0,454*** 3,995 0,112
Р9 2,383 0,018** 2,380 0,451*** 5,219 0,181
Р10 3,954 0,042*** 3,068 0,487*** 3,105 0,068
* 10 %-ный уровень значимости. **5 %о-ный уровень значимости. *** 1 %о-ный уровень значимости.
авторами были построены кросс-секционные регрессии, представленные в уравнениях (2) и следующей модели:
г1Л = а, +Р1, гЫЩ +Р2, , SMBt +вХ1НМЦ +
+ Р4МОМ + е,,, (3)
где МОМ( - доходность фактора моментума.
Фактор моментума равен разности доходности 30 % наиболее доходных ценных бумаг на рынке за прошедший год и 30 % наименее доходных.
Уравнения оцениваются по методике, предложенной в труде Е. Фамы и Дж. Макбета [4], которая изложена ниже. Предположим, что рассматривается доходность п-го количества портфелей в течение времени Т, тогда избыточная доходность каждого портфеля в каждый момент обозначается как
Необходимо понять, влияют ли факторы К К2 г Кш г на избыточную доходность портфеля и, если влияют, то какова степень влияния.
Для этого потребуется сделать двухшаговую регрессию. В первом этапе участвует набор регрессий, равный по размеру количеству портфелей, используемых для анализа. Во втором этапе участвует набор регрессий, равный количеству временных отрезков.
Формально первый шаг можно представить следующим набором регрессий временного ряда: =а1 +Ри? +Р1, к2 +... + Р 1,р„Ршл +S1,Í,
Я2,г =а2 +Р2,^ +Р2,^2 К2,г + ... +Р2, КшГт,1 +82Д
Кл =ап + Рп,К Г1Л + Рп,К2 К2,г + ... + Рп,Кш Кш,г + .
После оценки этих регрессий становится известна степень влияния каждого фактора на избыточную доходность портфеля. Однако следует отметить, что эти регрессии не показывают премии каждого фактора. Поэтому необходимо оценить второй набор регрессий:
Я,1 =а1 +УиР +У 2дР к +... + У шдР 7,Кш +S1,
Я7,2 =а2 + У12Р 7,К +У 2,2Р 7,К + ... + У т,2Р7, Кш + 82
Я7,Т =аТ Р +У 2,Т Р7,К2 + ... + У т,Т Р7, Рт + 8Т ,
где объясняющая переменная (3 к - оценка в 7-го фактора для каждого портфеля, полученная на первом этапе процедуры, а у - премия'-го риск-фактора. В данном случае оценивание бета проходило скользящим окном в 36 мес., поэтому оценки бета при каждом временном срезе разные. В результате второго этапа оценивания получается г оценок премий каждого фактора. Для того чтобы рассчитать влияние каждого фактора у., необходимо усреднить у. по г. Чтобы понять, отличается ли у.от нуля, рассчитывается г-статистика
по формуле
Y,
«v
7х"
Анализ проводился для разбиения на 20 и 30 портфелей, сформированных соответствующей сортировкой по фактору, премия которого оценивается. Например, чтобы оценить премию за размер, оценивались кросс-секционные регрессии для квантильных портфелей, сформированных на основании ранжирования ПИФов по бета размера. Необходимость большого количества портфелей связана с оцениванием кросс-секционных регрессий на втором этапе процедуры Фамы - Макбета, при реализации которой желательно получить более устойчивые результаты. Полученные оценки представлены в табл. 2.
Сначала определялось наличие избыточной доходности фактора рыночной премии за риск для портфелей, сформированных при ранжировании фондов по рыночным бета, полученным при оценивании уравнения (1).
В результате по данным для 20 портфелей получено, что средняя месячная доходность рыночного риск-фактора yMRP составила 2,56 % ( /-статистика 1,04). При этом средняя избыточная доходность гипотетического портфеля MRP за тот же период времени составила 1,09 % (/-статистика 1,06).
В связи с тем, что данные величины статистически не отличимы от нуля, их разница yMRP —MRP тоже не отличается от нуля. В этом случае можно утверждать, что менеджеры не способны зарабатывать дополнительную премию за рыночный риск, отличную от доходности, получаемой при инвестировании в рыночный портфель.
Затем определялось наличие избыточной доходности факторов SMB и HML для портфелей, сформированных при ранжировании фондов по оценкам бета из трехфакторной модели Фамы - Френча, полученным при оценивании уравнения (2).
Портфели, сформированные при ранжировании по фактору размера и стоимости, рассматривались отдельно. Среднемесячная избыточная доходность ySMB составила -3,29 % ( /-статистика -1,25), при этом средняя месячная премия за размер, рассчитанная по SML, составляет 1,18 % ( /-статистика 1,70). Это означает, что менеджеры, придерживающиеся стратегии инвестирования в акции роста, не получают статистически значимой избыточной доходности от этой стратегии, хотя рынок предоставляет такую возможность. Анализируя избыточные доходности, связанные с фактором размера, мы не нашли статистически значимых связей.
Далее из уравнения (3) была оценена yMQM для портфелей, составленных из фондов, ранжированных
21
Таблица 2
Результаты выполнения процедуры Фамы — Макбета и сводная статистика риск-факторов
Параметр Средняя избыточная месячная доходность, % Стандартная ошибка Стандартное отклонение /-статистика
Результаты регрессионного анализа для 20 портфелей
ymrp 2,56 0,02 0,22 1,04
Y mrp - MRP -1,47 0,02 0,21 -0,62
Y smb -3,29 0,03 0,24 -1,25
Ysmb - SMB 4,46* 0,03 0,23 1,74
Yhml -3,61 0,03 0,25 -1,27
Yhml - HML 4,24 0,03 0,24 1,56
Ymom 2,37 0,02 0,18 1,20
Ymom-MOM 8,88** 0,02 0,17 4,69
Результаты регрессионного анализа для 30 портфелей
Ymrp 2,52 0,02 0,22 1,04
Y mrp - MRP -1,43 0,02 0,21 -0,61
Ysmb -3,14 0,03 0,24 -1,17
Ysmb - SMB 4,32* 0,03 0,24 1,64
Yhml -3,14 0,03 0,23 -1,22
Yhml - HML 3,77 0,02 0,22 1,51
Ymom 2,33 0,02 0,17 1,23
Y mom - MOM 8,91** 0,02 0,16 4,91
Сводная статистика риск-факторов
MRP 1,09 0,01 0,09 1,06
SMB 1,18* 0,01 0,06 1,70
HML 0,63 0,01 0,07 0,77
MOM 11,24** 0,01 0,05 20,49
* 10 %-ный уровень значимости. ** 1 %о-ный уровень значимости.
по оценкам моментума. Среднее значение YMOM для 20 портфелей составило 2,37 % (г-статистика 1,2), а доходность моментума, рассчитанная по переменной MOM, составила 11,24 % (г-статистика 20,5).
Эти результаты показывают, что на рынке присутствует эффект моментума, но управляющие паевыми инвестиционными фондами не могут им воспользоваться. Все выводы, сделанные при анализе 20 портфелей, подтверждаются данными, представленными в табл. 2, полученными при оценивании риск-факторов для 30 портфелей.
Заключение
В работе проанализирована степень влияния таких факторов риска, как рыночный фактор, фактор стоимости, фактор размера и фактор предыдущих
доходностей, на избыточную доходность российских паевых инвестиционных фондов.
Эмпирический анализ данных об открытых паевых инвестиционных фондах с марта 2002 г. по февраль 2012 г. позволил сделать следующие выводы.
Во-первых, фактическая избыточная доходность фондов отклоняется от линии рынка ценных бумаг, следовательно, рыночный риск-фактор недостаточно хорошо описывает доходность портфелей. Другими словами, существуют риск-факторы, отличные от рыночного, объясняющие избыточную доходность фондов.
Во-вторых, при оценке модели САРМ для квантильных портфелей, полученных при сортировке фондов по оценкам предыдущих доходностей, наблюдаются значимые оценки альфа Дженсена, что косвенно подтверждает наличие эффекта моментума.
В-третьих, менеджеры фондов в рассматриваемый нами период не использовали возможностей, предоставляемых рынком, для получения избыточной доходности.
Список литературы
1. Borensztein E. R., Gelos R. G. A panic-prone pack? The behavior of emerging market mutual funds // IMF Staff Papers. 2003. № 50.
2. Carhart M. On persistence in mutual fund performance // Journal of Finance. 1997. № 52.
3. Fama E., French K. Common risk factors in the returns on stocks and bonds. // Journal of Financial Economics. 1993. № 33.
4. Fama E. F., MacBeth J. D. Risk, Return and Equilibrium: Empirical Tests // Journal of Political Economy. 1973. № 81.
5. Ferreira M. A., Miguel A. F., Ramos S. The determinants of mutual fund performance: a crosscountry study // Swiss Finance Institute Research Paper. 2006. № 30.
6. Fletcher J., Forbes D.N. Performance evaluation of U. K. unit trusts within the stochastic discount factor framework // Journal of Financial Research. № 27.
7. Grinblatt M., Titman S. Performance measurement without benchmarks: an examination of mutual fund returns // Journal of Business. № 66.
8. Gruber M. J. Identifying the risk structure of mutual fund returns // European Financial Management. 2001. № 7.
9. Huij J., Post R. G. On the performance of emerging market equity mutual funds // Emerging Markets Review. 2011. № 3.
10. Jensen M. The performance of mutual funds in the period 1945-1964. // Journal of Finance. 1968. № 23.
11. KhoranaA., Servaes H., Tufano P. Explaining the size of the mutual fund industry around the world // Journal of Financial Economics. 2005. № 78.
12. Otten R., Bams D. European mutual fund performance // European Financial Management. 2002. № 8.
13. OttenR., Bams D. How to measure mutual fund performance: economic versus statistical relevance // Accounting and Finance. 2004. № 44.
14. Otten R., Bams D. The performance of local versus foreign mutual fund managers // European Financial Management. 2007. № 13.
15. Wermers R. Mutual fund performance: an empirical decomposition into stock-picking talent, style, transaction costs, and expenses // Journal of Finance. 2000. № 55.
Вниманию руководителей и менеджеров высшего и среднего звена, экономистов, финансистов, преподавателей вузов и аспирантов!
Журнал «Финансовая аналитика: проблемы и решения»
ISSN 2073-4484
Выпускается с 2008 года. Включен в перечень ВАК.
Включен в Российский индекс научного цитирования (РИНЦ).
Журнал реферируется ВИНИТИ РАН.
Формат A4, объем 80-100 с. Периодичность - 4 раза в месяц.
ПОДПИСКА ПРОДОЛЖАЕТСЯ !
Индекс по каталогу «Почта России» Индекс по каталогу «Роспечать» Индекс по каталогу «Пресса России»
34158 80628 44368
За дополнительной информацией обращайтесь в отдел реализации Издательского дома «ФИНАНСЫ и КРЕДИТ» телефон/факс: (495) 721-85-75, E-mail:podpiska@fin-izdat.ru
Возможна подписка на электронную версию журнала, а также приобретение отдельных статей: Научная электронная библиотека: eLibrary.ru Электронная библиотека: dilib.ru
www.fin-izdat.ru
dilib
Вы всегда можете приобрести последние номера и отдельные статьи всех журналов Издательского дома «Финансы и Кредит» в формате PDF на сайте электронной библиотеки dilib.ru. Также доступен электронный архив журналов с 2006 года.
www.dilib.ru
7""
23
