CC BY
74
ФИНАНСЫ И КРЕДИТ
УДК: 33.06 ББК: 65.26
Шарич Эрмин Эмирович - бакалавриант, студент экономического факультета, Санкт-Петербургский государственный университет Яковлева Дарья Дмитриевна - бакалавриант, студентка экономического факультета, Санкт-Петербургский государственный университет
Толочко Иван Андреевич - аспирант, Санкт-Петербургский государственный экономический университет
Sharich Ermin Emirovich - bachelor student at Faculty of Economics, St. Petersburg State University
Iakovleva Daria Dmitrievna - bachelor student at Faculty of Economics, St. Petersburg State University
Tolochko Ivan Andreevich - aspirant, St. Petersburg State University of Economics
КОНЦЕПТУАЛЬНЫЙ ПОДХОД К ОЦЕНКЕ ЭФФЕКТИВНОСТИ ДЕЯТЕЛЬНОСТИ ПАЕВЫХ ИНВЕСТИЦИОННЫХ ФОНДОВ
CONCEPTUAL APPROACH TO EVALUATION OF THE ACTION OF
THE MUTUAL FUND
Для оценки эффективности деятельности паевых инвестиционных фондов и потенциала их развития необходимо использовать комплексную методику на основе концептуального подхода, так как они являются частью финансовой системы РФ, а их потенциал может быть расширен лишь при соответствующем развитии всей российской экономики в целом, укреплении экономики, дальнейшей реализации денежно-кредитной политик.
Ключевые слова: паевые инвестиционные фонды, концептуальный подход, финансовая система, эффективность, потенциал.
In order to assess the efficiency of mutual funds and their development potential, it is necessary to use a comprehensive methodology based on a conceptual approach, as they are part of the financial system of the Russian Federation. The potential of mutual funds can be expanded only with the corresponding development of the Russian economy as a whole, strengthening the economy, further implementation of monetary policy and reform of the pension system. Key words: mutual funds, conceptual approach, financial system, efficiency, potential.
Первые методы количественной оценки эффективности деятельности инвестиционных фондов были разработаны еще в самом начале развития теорий управления активами. С тех пор были разработаны разные подходы к оцениванию работы инвестиционных фондов с точки
зрения портфельного менеджмента и риск-менеджмента и послужили надежным источником информации об инвестиционной привлекательности фондов. Основываясь на модели оценки долгосрочных активов, предложенной Трейнором (1961), Шарпом (1964) и Линтнером (1965), Трейнор разработал первую модель для сравнения эффективности работы различных инвестиционных фондов - коэффициент Трейнора. С тех пор огромным количеством ученых-экономистов предлагались различные метрики, методы, способы оценки разнообразных характеристик работы фондов, например, Шарпом (1966), Йенсеном (1968), Трейнором и Блэком (1973), Сортино и Прайсом (1994). Так же детально анализировались не только различные оценки качества инвестиций ex post, но и способы предсказания или предугадывания эффективности дальнейшей деятельности фондов, что можно встретить в работах Гринбальта и Титмана (1992), Брауна и Гетцманна (1995), Кархарта (1997) и других. Однако особый интерес представляет работа Трейнора и Блэка и разработанный ими коэффициент информации (IR), который зарекомендовал себя как надежный показатель эффективности работы фонда, портфельного менеджера. Данный коэффициент полезен тем, что дает понять, насколько стабилен управляющий инвестиционным фондом в принятии прибыльных или стратегически важных управленческих решений по управлению портфелем фонда, отчего, в свою очередь, зависит благосостояние инвесторов, инвестиционная привлекательность самого фонда и, соответственно, внутренняя стоимость пая.
Для того чтобы детерминировать наиболее точный показатель, способный дать исчерпывающую оценку деятельности паевых инвестиционных фондов (ПИФов), необходимо дать характеристику надежной и «хорошей» метрики работы фондов. Прежде всего, параметры оценки должны быть стабильными в долгосрочном временном периоде, поскольку должны быть элиминированы случайные колебания оценок из-за волатильности на рынке, политического, внешнеэкономического факторов. Кроме того, метод оценки должен учитывать специфические риски, которые берет на себя инвестор и которые присущи активам, финансовым инструментам, средства фонда в которые вкладывает портфельный менеджер. Под риском в данной работе мы будем понимать возможность убытков фонда и неопределенность относительно будущих цен на рынке. Сформулированные положения позволяют нам говорить о том, что исследуемая метрика должна быть стабильной и, насколько это возможно, точной, поскольку она должна давать примерное представление о возможностях получения дополнительной доходности от вложения в паевые инвестиционные фонды. Поэтому обратимся к существующим моделям, выявим их недостатки, определим возможности их сглаживания и в дальнейшем попытаемся оценить выборку представленных на российском рынке паевых инвестиционных фондов, и проверить гипотезу об инвестиционной привлекательности рынка коллективных инвестиций в Российской Федерации.
Трейнор (1965) разработал данный коэффициент на основе идеи, заложенной в модель оценки долгосрочных активов, которая была им же и предложена незадолго до этого. Базируется коэффициент Трейнора на предположении о существовании «характеристической функции» для каждого инвестиционного фонда, которая, по сути, представляет собой
регрессионную модель, характеризующую зависимость между доходностью фонда и «эталонной» доходностью (которая в большинстве случаев выступает как доходность индексов фондового рынка). Угол наклона функции (т.е. прямой) представляет собой бету (В) и говорит о волатиль-ности фонда по отношению к «эталонной» волатильности. Например, если В = 2.0, то доходность рассматриваемого фонда в среднем будет меняться на 2% при изменении доходности индексов фондов на 1%. В числителе коэффициента стоит а, которая и показывает среднее превышение доходности изучаемого фонда по отношению к бенчмарку или наоборот. В виде уравнения (1) коэффициент можно представить следующим образом:
TR = r-R-r = -p (1)
В уравнении (1) rp - это доходность портфеля инвестиционного фонда, rm - это эталонная доходность или доходность рыночного индекса, остальные показатели были разобраны выше. Коэффициент Трейнора позволяет измерить относительную доходность в соотношении с соответствующим риском или, если говорить другими словами, это «эффективность портфеля на единицу систематического риска» [6]. Если изначально Трейнор определял rm как доходность, которую получают другие фонды на том же рынке, то позже в качестве этого показателя стали принимать значения отдачи рыночных индексов, а иногда даже расчет производился с помощью безрисковых ставок по государственным облигациям.
Несмотря на привлекательность данного показателя, он обладает весьма значительными ограничениями, которые снижают его практическую значимость. Во-первых, если значение бета будет близко к нулю, что в среднем весьма вероятно, поскольку инвестиционные фонды сравниваются с рыночными индексами, значение коэффициента будет стремиться к бесконечности. Во-вторых, если значение бета будет отрицательным, то коэффициент Тейнора будет давать положительную оценку фондам с отрицательной альфой, что подрывает надежность и точность показателя.
По своей сути, коэффициент Шарпа является расширением, «доработанной версией» коэффициента Тейнора. Пока Тейнор пытался оценить деятельность фондов ex post, Шарп с помощью его модели намеренно нацелился на попытку предсказать будущую эффективность инвестиций. Данный подход довольно-таки прост и обладает явным преимуществом перед коэффициентом Тейнора. Выразить показатель можно с помощью уравнения (2):
rv - ту
SR = --Т- (2)
ор
rp отражает доходность портфеля фонда, rf - это безрисковая ставка и ар представляет собой стандартное отклонение доходности портфеля инвестиционного фонда. Представленная формула четко иллюстрирует разницу между двумя коэффициентами: Трейнор учитывает лишь систематическую часть риска ПИФов, но не рассматривает диверсифицируемый риск, Шарп же использует в своей формуле общий риск, присущий портфелю. Данный подход может быть использован, если отдельный инвестор (или инвестиционный фонд, управляющий) рассмат-
ривает возможность вложения средств в конкретный объект инвестирования, когда необходимо рассматривать не только систематический, но и диверсифицируемый риск. Однако этот подход нереализуем, если рассматривать специализированные институты, осуществляющие инвестиции в определенный класс активов, характеризующиеся практически одинаковым уровнем риска, средней доходностью и т.д.
Коэффициент Шарпа так же обладает рядом недостатков. Первая проблема при определении инвестиционной привлекательности ПИФов посредством данного метода возникает, если доходность фонда не может быть представлена нормальным распределением. В этом случае невозможно сравнивать фонды с разными распределениями доходности без предварительной поправки коэффициентов. Следующая проблема возникает в случае, если доходность фонда ниже безрисковой ставки - это делает невозможным проведение сравнительной оценки фондов.
Йенсен (1968) представил собственную метрику Альфа, которая так же основывается на модели оценки долгосрочных активов (САРМ), что опять-таки позволяет говорит о тесной взаимосвязи показателя с коэффициентом Трейнора. Альфа Йенсена использует постулаты САРМ с целью выявления доходности портфеля инвестиционного фонда с корректировкой на его бету. Сам по себе показатель можно охарактеризовать как превышение доходности фактической над доходностью ожидаемой, т.е. рассчитанной с помощью модели САРМ. Поэтому альфа учитывает только систематический (как и коэффициент Трейнора) риск, игнорируя диверсифицируемый риск. Графически альфа - это разница между функцией доходности фонда и функцией доходности безрисковых активов. Выведен показатель может быть из следующего уравнения (3):
где гр - доходность самого фонда, Р - бета портфеля, гу - безрисковая ставка и гт - рыночная или «эталонная» доходность. В сравнении с коэффициентом Шарпа альфа измеряет доходность, превышающую или наоборот, доходность бенчмарка на допустимом для инвестиционного фонда уровне риска. Поэтому обе оценки будут варьироваться в зависимости от уровня несистематического риска, свойственного выбранной инвестиционной стратегии фонда. Комбинирование этих методик позволит выявить инструменты с высокой долей несистематического риска, что говорит о необходимости диверсификации их инвестиционного портфеля (у таких инструментов будет высокий показатель Шарпа и низкое значение альфа).
Говоря о практической значимости показателя альфа, необходимо отметить его основной недостаток, который заключается в его неспособности давать точные оценки риска для соответствующих классов инвестиционных активов. Модель САРМ, лежащая в его основе, так же не зарекомендовала себя в качестве правдивого оценочного показателя, отчего и возникают трудности при попытке использовать альфу для определения «сверх» дохода фонда по сравнению с другими институтами или рынком в целом. Более того, альфа Дженсона может быть неверным ориентиром из-за беты, значение которой будет сильно колебаться при устойчивой корреляции между показателями фонда и бенчмарком.
(3)
В противовес традиционным теориям портфельного менеджмента, частные инвесторы не оценивают риск повышения и понижения цены одинаково. Естественно, все инвестиционные институты предпочитают положительную доходность над отрицательной, но стандартное отклонение доходности портфелей, которое используется повсеместно для измерения риска инвестиций, не разграничивает положительную волатиль-ность (способную принести дополнительную выгоду инвестору) и отрицательной волатильностью (потенциальные дополнительные убытки). Стандартное отклонение учитывает эти разнонаправленные движения в равной степени, что не совсем соответствует ожиданиям инвестора, который стремится минимизировать риск дополнительных убытков и повысить вероятность дохода. Такое разграничение учитывает коэффициент Сортино-Прайса, который включает в себя минимально допустимый уровень доходности инвестиционного портфеля, отражающий так называемую «волатильность вниз». MAR - минимально допустимый уровень доходности отражает предельное значение дохода, выше которого вола-тильность доходности не влияет на общий риск и волатильность портфеля. Расчет коэффициента Сортино можно произвести по следующей формуле (4):
где Гр - доходность портфеля, MAR - минимально допустимая доходность и &down характеризует «волатильность вниз», T - период наблюдения за деятельностью фонда. Важно отметить, что чем больше временное дробление периода, тем точнее получаются результаты исчисления коэффициента.
Практическая же значимость коэффициента Сортино значительна, но не всеобъемлюща. Как и в предыдущих случаях, можно выявить ряд погрешностей, которые не дают нам возможности широко использовать данный показатель на практике. Это обусловлено, прежде всего, тем, что в методе ученого используется показатель MAR и значений доходности под уровнем минимального порога может быть достаточно мало в рассматриваемый период, что приводит к искажению выводов по результатам статистического исследования выборки. Однако многие исследователи отмечают высокий предсказательный потенциал данного показателя, если в статистической выборке отсутствует асимметричность или она имеет нормальное распределение.
Самым популярным и широко используемым коэффициентом из выше представленных является коэффициент информации (Information Ratio), разработанный Трейнером и Блэком в 1973 году. Коэффициент информации показывает, сколько дополнительного (избыточного или сверх-) дохода относительно «эталонного» значения возможно получить на дополнительную единицу остаточного риска. Управляющий активами стремится получить сверхдоходность за счет выбора отдельных недооцененных активов и времени совершения сделок. Он стремится «переиграть» рынок, получив доходность выше, чем доходность пассивного портфеля, т.е. рыночного индекса, путем диверсификации покупок и продаж активов и варьирования удельных весов активов по сравнению с
т
(=1
(4)
N
их весами в рыночном индексе. Данные действия сопряжены с дополнительным риском, поскольку это приводит к увеличению специфического риска портфеля. Риск же представляет собой отклонение фактической доходности портфеля от доходности базисного индекса, т.е. появляется так называемая ошибка слежения (tracking error) или остаточный риск. Поэтому это позволяет говорить о том, что коэффициент информации может прогнозировать устойчивость результатов активно управляемого портфеля инвестиционных фондов. Information ratio определяется как отношение альфы (отклонения доходности) к ошибке слежения:
IR = -- = - (5)
oER (О
Таким образом, данный коэффициент показывает отношение сверхдоходности портфеля фонда к стандартному отклонению этой сверхдоходности. Устойчивость результатов управляющего фондом сводится к ошибке слежения: чем она меньше, тем устойчивее результат будет. Другими словами, IR определяет степень уверенности в получении положительного результата фондом от инвестиционной деятельности, именно это и представляет основную полезность для потенциального инвестора.
Чем выше значения коэффициента, тем о большем мастерстве управляющего фондом и надежности можно говорить. Значения коэффициента на уровне 0,5 можно рассматривать как хорошее, 0,75 - как очень хорошее, а 1 - как отличное. Для расчета показателя следует брать статистические данные за относительно длительный период, чтобы снизить влияние случайных событий на оценку результативности ПИФа.
Необходимо использовать комплексный метод оценки эффективности деятельности и потенциал развития паевых инвестиционных фондов, как ячейки финансовой системы Российской Федерации, так как их финансовая и инвестиционная деятельность напрямую связана со способностью физических лиц инвестировать прибыльно, увеличивая их благосостояние, а юридические лица, корпорации привлекают дополнительные инвестиции для расширения производственных возможностей и, как следствие, ВВП страны. Наш рынок инвестиционных фондов имеет достаточный потенциал развития, который может быть достигнут только при надлежащем развитии всей российской финансовой системы и укреплении экономики.
Список литературы:
1. Брейли, Р. Принципы корпоративных финансов [Текст] / Р. Брейли, С. Майерс. - М. : Олимп-Бизнес, 2017. - 1008 с.
2. Воронова, Н.С. Устойчивое развитие на евразийском пространстве: финансовые институты и инструменты // Технологическая перспектива в рамках Евразийского пространства: новые рынки и точки экономического роста. Материалы 1-ой Международной научной конференции / Под ред. проф. Н.С. Вороновой, В.С. Воронова, О.Н. Кораблевой, Ю.Е. Ше-лепина, А.М. Ельяшевича. - СПб.: НПК «РОСТ», 2015. - С. 16-18.
3. Грэм, Б. Разумный инвестор. Полное руководство по стоимостному инвестированию [Текст] / Б. Грэм. - М. : Альпина Паблишер, 2017. - 468 с.
4. Дамодаран, А. Инвестиционная оценка: Инструменты и методы оценки любых активов [Текст] / А. Дамодаран. - М. : Альпина Паблишер, 2014 -1340 с.
5. Львова, Н.А., Воронова, Н.С., Покровская, Н.В. Преобразующая финансовая система: становление и потенциал развития. // В книге: Банковская система: устойчивость и перспективы развития сборник научных статей восьмой международной научно-практической конференции по вопросам банковской экономики, посвященной году науки в Беларуси. Полесский государственный университет. - 2017. - С. 108-110.
6. Яковлева, Е.А. Применение модели экономической маржи для анализа экономической эффективности деятельности российской компании // Научно-технические ведомости Санкт-Петербургского государственного политехнического университета. Экономические науки. - 2013. - № 1-2 (163). - С. 131-137.
7. Яковлева, Е.А. Управление стоимостью предприятия в инновационном процессе / Федеральное агентство по образованию, Санкт-Петербургский государственный экономический университет. - Санкт-Петербург, 2008.
8. Яковлева, Е.А., Гаджиев, М.М. Финансовая стратегия прогнозирования промышленного предприятия. - Махачкала, 2012.
9. Abramishvili N.R., Lvova N.A., Ivanov V.V., Voronova N.S. Prediction of debtor solvency: developing bankruptcy framework in Russia. // В сборнике: Innovation Management and Education Excellence Vision 2020: From Regional Development Sustainability to Global Economic Growth, IBIMA 2016 Proceedings of the 27th International Business Information Management Association Conference. 2016. С. 362-370.
10.Ackermann, C., McEnally, R., & Ravenscraft, D. (1999). The Performance of Hedge Funds: Risk, Return and Incentives [Электронный ресурс]. The Journal of Finance, 54 (3), 833-874.
11.Bodie, Z., Kane, A., & Marcus, A. J. (2005). Investments. (6th ed.). New York, NY: McGraw-Hill.
12.Bollen, N. P. B., & Busse, J. A. (2005). Short-Term Persistence in Mutual Fund Performance [Электронный ресурс]. The Review of Financial Studies, 18 (2), 569-597.
13.Darushin I.A., Lvova N.A., Ivanov V.V., Voronova N.S. The russian stock market: is it still efficient? / В сборнике: Innovation Management and Education Excellence. 2016 Proceedings of the 27th International Business Information Management Association Conference. 2016. С. 818-828.
14.Karlik A.E., Demidenko D.S., Iakovleva E.A., Gadzhiev M.M. Russian practice of financial management of the enterprise // Life Science Journal. 2014. Т. 11. № 10. С. 589-594.
