CC BY
158Моделирование и алгоритмизация нейтральных к рыночному риску стратегий
The Russian Stock Market at Present: Investments and Risks
УДК 339.13
Ильин Игорь Васильевич
профессор Санкт-Петербургского государственного политехнического университета, доктор экономических наук 195251, Санкт-Петербург, ул. Политехническая, д. 29
Il'in Igor' Vasil'evich
Polytekhnicheskaya Str. 29, St. Petersburg, 195251, Russian Federation
Ростова Ольга Владимировна
доцент Санкт-Петербургского государственного политехнического университета, кандидат экономических наук 195251, Санкт-Петербург, ул. Политехническая, д. 29
Rostova Ol'ga Vladimirovna
Polytekhnicheskaya Str. 29, St. Petersburg, 195251, Russian Federation
Современный российский фондовый рынок испытывает на себе влияния разнообразных риск-факторов, ключевые из которых представляют собой многообразие политических и макроэкономических рисков. В результате рынок характеризуется повышенной волатильностью, что негативно сказывается на доходности инвестиций в ценные бумаги российских предприятий.
В условиях неэффективности классических подходов к инвестированию целесообразно применение принципиально иных методик, которые и предлагают авторы статьи.
Статья посвящена моделированию инвестиционных портфелей, нейтральных к рыночному риску, иными словами, портфелей ценных бумаг, рыночная стоимость которых не зависит от волатильности рынков.
В рамках предложенных подходов рассматривается простейшая модель нейтрального к риску портфеля ценных бумаг. Данная модель предполагает пассивное инвестирование по методике Buy & Hold.
Основной ценностью работы является создание алгоритма механической торговой системы, способной самостоятельно производить регулярный пересмотр структуры инвестиционного портфеля с целью поддержания его в риск-нейтральном состоянии, а также совершать сделки с финансовыми инструментами.
Результатом разработанных методик является возможность предложения клиентам российских брокерских и управляющих компаний принципиально новых для них инвестиционных продуктов, эффективных в современных рыночных условиях.
The article discusses the investments and risks encountered in the present Russian stock market, noting that a variety of political and macroeconomic factors are behind many of the risks. As a result, the paper says the market is characterized by high volatility, which decreases the expected return on security investments for Russian companies. The study has proposed several fundamentally different methods for overcoming the inefficiency of classical approaches to investment. These include the formation of modeling portfolios that
Копосов Василий Игоревич
аспирант Санкт-Петербургского
государственного политехнического
университета
195251, Санкт-Петербург,
ул. Политехническая, д. 29
Koposov Vasiliy Igorevich
Polytekhnicheskaya Str. 29, St. Petersburg, 195251, Russian Federation
are neutral to market risk. In other words, the market value in the securities portfolios would be less dependent on the stock market's volatility. The simplest model of the document-recommended 'risk-neutral' portfolio assumes a passive investment technique of 'buy & hold'. The investment technique's primary algorithm would set up a mechanical trading system that could independently generate a regular review of the security portfolio's structure, with the aim of maintaining its 'risk-neutral' mode and its ability to trade financial instruments. In conclusion, the suggested investment technique would — in the current environment — enable Russian brokerage customers to manage stock market-listed companies replete with innovative investment products.
Ключевые слова: инвестиции, трейдинг, бета, риск, акции, торговые системы
Keywords: investment, trading, beta, risk, stock, trading systems
Краткий исторический экскурс. История исследований рыночно-нейтральных стратегий насчитывает всего несколько десятков лет. Развитие рыночно-нейтральных стратегий восходит к модели CAPM, разработанной в 1960-х гг. [1, с. 61]. Тем не менее ввиду сложности просчета аналитических показателей, используемых для формирования инвестиционных портфелей, нейтральных к рыночному риску, а также слабой развитости инструментария алгоритмического трейдинга, до конца 1990-х гг. они оставались уделом отдельных трейдеров и аналитиков [2, с. 6].
В 2000-х гг., ввиду установившегося восходящего тренда на глобальных рынках акций, несмотря на наличие необходимого технологического потенциала, инвестиционные продукты на основе рыночной нейтральности также развивались медленно и ограничивались зачастую использованием внутри небольших кругов теоретически подкованных энтузиастов. Однако уже в 2010-х гг. вслед за развитием механических торговых систем (торговых роботов), основанных на алгоритмических стратегиях, справедливо ожидать новый виток ускорения распространения стратегий, основанных на рыночной нейтральности.
Текущие рыночные условия и актуальность использования рыночно-нейтральных стратегий. Фондовый рынок исторически характеризуется несколькими довольно устойчивыми фазами, ограниченными временными рамками, которые можно в общей форме назвать периодом роста, периодом
снижения и периодом высокой волатильности. Например, при анализе графика американского фондового индикатора S&P 500 четко просматривается восходящий тренд, длившийся с 2003 по 2007 г., — период роста. Ему предшествовал, напротив, тренд нисходящий, признаки которого появились еще в 1999 г. — период снижения.
С 2010 г. ситуация уже не выглядит столь однозначной. С одной стороны, росту фондовых рынков способствует приток ликвидности, печатаемой в рамках программ стимулирования экономики ведущими мировыми центральными банками. С другой стороны, совокупность глобальных макроэкономических рисков не позволяет этому росту укрепиться. Период 2010-2012 гг. мы обозначаем как период высокой волатильности.
Обращаясь к российскому рынку акций, мы отмечаем, что в период январь 2010 г. — август 2012 г. на графике индекса ММВБ просматривается 15 ред-несрочных трендов, т. е. 15 раз график менял свое направление движения, что определяет повышенную волатильность в этот период.
По состоянию на август 2012 г., значение индекса находилось на уровнях января 2010 г. Это свидетельствует о том, что эффективность пассивного инвестирования в российские акции по методике Buy & Hold за обозначенный период фактически равна нулю.
В этой связи можно судить о наличии избыточного рыночного риска, который ограничивает спектр эффективных стратегий инвестирования в акции и приводит к переходу инвесторов в более безопасные активы.
Несомненно, рыночные риски можно минимизировать, применяя спекулятивную стратегию, предполагающую покупку акций с бетой > 1 в начале становления растущего микротренда, фиксацию прибыли вблизи экстремумов на графике, затем приобретение бумаг с бетой < 1, выход в деньги или открытие коротких позиций в начале становления нисходящего микротренда.
Таким образом, теоретически портфель ценных бумаг инвестора будет всегда опережать рыночный индекс и иметь положительную динамику в долгосрочной перспективе. Однако данный подход целиком не исключает рыночного риска, риска неверного выбора момента для открытия или закрытия позиций, а также требует большого опыта работы с финансовыми инструментами, владения инструментарием технического и фундаментального анализа и наличия достаточного времени на управление счетом и анализ финансовых инструментов.
С учетом сложности и риска спекулятивных стратегий, а также при неэффективности пассивных стра-
тегий Buy & Hold в периоды высокой волатильности, < с нашей точки зрения, целесообразно уделить повы- ^ шенное внимание вопросам минимизации рыночного о риска. При этом специфика рынка финансовых услуг < в настоящее время такова, что со стороны инвестици- i онных и управляющих компаний требуется предложе- Е^ ние таких инвестиционных решений клиентам, которые £ бы не требовали от них значительных временных и ^ трудовых затрат. m
Инвестиционным решением, удовлетворяющим вы- 8 шеизложенным требованиям, может стать моделиро- < вание рыночно-нейтральных стратегий — портфелей ^ ценных бумаг, стоимость которых изменяется вне © зависимости от движений рынка и, тем самым, избавлена от рыночного риска (рис. 1).
В связи с вышеизложенным, весьма актуальным представляется создание и проработка алгоритмов моделирования рыночно-нейтральных стратегий на основе методик формирования рыночно-нейтральных стратегий для российского рынка инвестиционных инструментов.
Моделирование простейшей пассивной рыноч-но-нейтральной стратегии. Суть простейшей рыноч-но-нейтральной стратегии заключается в подборе портфеля активов, бета которого равняется или близка к нулю. Для этого достаточно включить в него инвестиционные инструменты с положительной и отрицательной бетой. Иной способ заключается в длинной покупке одних и короткой продаже других активов.
Как известно из определения, бета — коэффициент, рассчитываемый для ценной бумаги или портфеля ценных бумаг и демонстрирующий изменчивость доходности бумаги (портфеля) в зависимости от изменчивости бенчмарка (чаще всего индекса, рассчитываемого фондовой биржей).
Положительное значение коэффициента бета означает долю роста актива в росте бенчмарка. Отрицательное значение означает, насколько актив подорожает в случае снижения индекса на единицу измерения и наоборот.
Таким образом, приведение коэффициента бета к нулю позволяет достичь эффекта, при котором изменчивость портфеля никак не связана с изменчивостью рынка.
Простейшая модель рыночно-нейтральной стратегии не должна предполагать активного управления инвестиционным портфелем. Требуется исключить возможность изменения фундаментальной оценки активов, способных существенным образом повлиять на их бету. В этой связи в портфель отобраны связанные активы: фьючерсный контракт на индекс РТС (RTS) и фьючерсный контракт на индекс волатильности РТС (RTSVX). Коэффициент бета для
Рис. 1. Сравнение спекулятивной и рыночно-нейтральной стратегий
©
о
к <
О о
& 5,0 я
н 4,5
3 4,0
4
Ш tl Я
о 3,5 к
Ен
О
— инвестиционный портфель
— индекс РТС
3,0 -
2,5 -2,0 1,5 1,0 0,5 -0
10.01.2006 10.11.2006 10.09.2007 10.07.2008 10.05.2009 10.03.2010 10.01.2011 10.11.2011
Рис. 2. Относительная динамика стоимости активов Разработано по: данные ФБ РТС.
RTSVX составляет (-1,0877). Иными словами, рост индекса РТС на 1% влечет за собой снижение RTSVX на 1,0877%.
Для достижения условия бета-нейтральности моделируемого портфеля необходимо определение весовых коэффициентов для входящих в него инструментов.
Коэффициенты рассчитываются по следующим формулам:
jx ■ 1 - y ■ (-1,0877) = 0;
jx + y = 1,
где x, y — весовые коэффициенты для RTS и RTSVX соответственно.
Решая систему уравнений, получаем распределение долей в портфеле:
52,1% — RTS,
47,9% — RTSVX.
Бета-коэффициент сформированного портфеля равен -0,0012. Таким образом, портфель сформирован. Он учитывает в себе потенциал роста российской экономики и при этом малочувствителен к резким скачкам рынка вниз, что позволяет хеджировать риски в кризисные периоды.
Наглядно преимущества данной модели даны на рис.2. Несомненно, историческая доходность не определяет доходности в будущем, однако, опираясь на статистический аппарат, можно судить о целесообразности применения данной модели с целью долгосрочного хеджирования рисков.
Приведенная выше модель имеет ряд недостатков. Во-первых, она мало применима на практике ввиду низкой ликвидности фьючерсных контрактов на индекс волатильности РТС. Данная проблема может быть решена при выводе капитала за рубеж и инвестировании в сходные инструменты — индекс S&P 500 и VIX (S&P Volatility Index).
Российское законодательство предъявляет к частным инвесторам повышенные требования для работы на зарубежных фондовых рынках. Во-вторых, коэффициент бета, используемый в расчетах, взят за константу, а это не так. Коэффициент изменяется в конце каждого расчетного периода. Тем не менее моделирование данного портфеля удовлетворяет сформированным во вступлении критериям, формирование позиции нетрудоемко, и издержки работы минимальны.
Алгоритмические рыночно-нейтральные стратегии. Развитие механических торговых систем и торговых роботов позволяет алгоритмизировать рыночно-нейтральные стратегии, исключая основные риски и при этом сохраняя участие инвестора в работе с торговым счетом на регулируемом уровне. В алгоритмической торговле активное развитие получили стратегии парного трейдинга [3, с. 70].
Теоретической основой парного трейдинга послужила концепция коинтеграции, предложенная эконо-метристами К. Грэнджером и Р. Энглом в 1980-х гг. Суть коинтеграции заключается в том, что даже при нестационарности компонентов двухрядной временной серии определенная комбинация рядов делает серию стационарной [4, с. 252]. Иначе говоря, применительно к трейдингу отклонение цены от устоявшегося соотношения должно быть компенсировано в пользу долгосрочного паритета [5].
Бета-нейтральная позиция будет формироваться на основании двух активов, например, акций [6, с. 8]. Суть метода заключается в том, что в различные периоды времени стоимость акций реагирует на внешние факторы, однако реагирует по-разному.
В определенные периоды может наблюдаться расхождение спрэда стоимости высококоррелирующих акций. Длинная покупка отстающей ценной бумаги в совокупности с короткой продажей опережающей
с
Начало процесса
Определение периода
Анализ цен закрытия предыдущих периодов
Перерасчет бета
Новые значения бета
Перерасчет весовых коэффициентов на основании новых значений бета
Построение рекурсивного фильтра (ЭМА)
Перерасчет соотношения цен активов (Ratio)
ö о
о; <
О О
Наложение данных на график
Deviation < О
Deviation > О
1
Сигнал на покупку Сигнал на продажу
Рис. 3. Представление стратегии парного трейдинга в форме алгоритма
ценной бумаги позволяют сформировать рыночно-нейтральный портфель, рассчитанный на возвращение спрэда к устоявшемуся значению. При этом программные средства позволяют учитывать следующие факторы:
• непостоянство бета акций (ее перерасчет требуется для каждого периода фиксации результатов);
• необходимость регулярного перерасчета весовых коэффициентов (из-за непостоянности беты);
• чем длительнее срок инвестирования, тем большее внимание уделяется формализованным фундаментальным факторам, нежели техническим и статистическим.
Парный трейдинг привлекателен тем, что построить работающий алгоритм возможно как для дей-трейдинга, предусматривающего закрытие позиций внутри дня (¡п^аСау), так и для более долгосрочного инвестирования. И в том и в другом случае целью является поиск неэффективностей рынка. При этом следует иметь в виду, что чем длительнее период инвестирования, тем сильнее спрэды объясняются изменяющимися фундаментальными предпосылками.
Рассмотрим алгоритм стратегии парного трейдинга ¡п^аСау (рис. 3).
Алгоритм требует некоторых разъяснений.
Поиск пары: подходящими считаются пары активов, коэффициент корреляции которых превышает 0,8.
Определение периода: проведение операций купли-продажи акций возможно внутри часа/нескольких часов/одного дня. В конце периода позиция принудительно закрывается даже в случае убыточности. Чем длиннее период, тем выше вероятность расхождения спрэда, объясняемого не неэффективностью рынка, а фундаментальными предпосылками. Если риски работы внутри часа ниже, ниже и потенциальная доходность, при этом выше комиссионные издержки. Таким образом, выбор периода должен основываться на оптимизации данных факторов.
Перерасчет беты: каждому моменту времени соответствует свое значение беты. Бета считается по ценам закрытия утвержденного количества предыдущих периодов (применимо 200 периодов).
Перерасчет весовых коэффициентов на основании новых значений беты: для определения весовых коэффициентов используется формула
х Р а - у Р в = 0;
х + у = 1, (2)
о о
где А, В — активы, коэффициент корреляции которых превышает 0,8; х, у — весовые коэффициенты активов А и В; рА, РВ — коэффициенты бета для активов А и В.
Перерасчет соотношения цен активов: для определения соотношения стоимости двух активов цена одного актива делится на цену другого:
P
RatioA/B = PA,
PB
(3)
где PA — цена актива А; PB — цена актива B.
Построение рекурсивного фильтра: на основании отклонения графика соотношения цен активов от индикатора происходит открытие/закрытие позиций. Классическим индикатором паритета считается скользящая средняя (SMA/экспоненциальная скользящая средняя EMA). Однако история исследований проблематики содержит и иные инструменты: скорректированная на величину средней ошибки EMA, модифицированная EMA [7, с. 162], средневзвешенная с числами Фибоначчи или с фильтром Калмана [8], Bollinger Bands [9]. Решение о недооцененности и переоцененности активов может приниматься на основании анализа размеров отклонения на графике.
Сигнал на покупку означает момент открывать длинную позицию по активу А, являющемуся недооцененным относительно актива B, и открывать короткую позицию по активу В, являющемуся переоцененным относительно актива А.
Сигнал на продажу означает момент открывать короткую позицию по активу А, являющемуся переоцененным относительно актива B, и открывать длинную позицию по активу B, являющемуся переоцененным относительно актива A.
Таким образом, ключевым фактором неопределенности при алгоритмизации парного трейдинга intraday служит выявление идеальной зависимости, определяющей момент открытия позиции. Сначала аналитическим путем для каждой пары активов следует подобрать максимально подходящий рекурсивный фильтр, затем необходимо проведение анализа абсолютного отклонения соотношения Ratio от фильтра за период. Следует обозначить ключевые уровни сопротивления и поддержки, а также экстремумы отклонений внутри периода. При выставлении ограничений процентных колебаний также стоит иметь в виду комиссию брокера за совершение сделок: потенциальная доходность операции (открытие позиций на экстремумах, закрытие при достижении фильтра) всегда должна превышать комиссионное вознаграждение за операцию.
Торговля intraday позволяет выявлять спекулятивную неэффективность рынка и пренебрегать фундаментальной составляющей. При этом торговля intraday или тем более внутри часа фактически невозможна без помощи торгового робота ввиду трудоемкости регулярного изменения параметров портфеля и значительных массивов используемых при анализе данных. Задачи торгового робота:
• поддержание бета-нейтральности портфеля путем коррекции долей активов;
• расчет значений и построение графика рекурсивного фильтра;
• открытие позиций при достижении установленных пользователем уровней отклонения от фильтра;
• закрытие позиций при достижении фильтра или в конце периода.
Недостатки торговли intraday:
• выбор пар активов сужается ввиду необходимости соответствия критериям ликвидности;
• пренебрежение требованием закрытия позиции в конце периода может увеличить убытки позиции ввиду усиления фундаментальной составляющей в определении цены активов с увеличением периода инвестирования.
Успешный торговый робот проводит большее количество прибыльных сделок, нежели убыточных. Доходность определяется дельтой между прибылями и убытками. Стоит отметить, что создание торгового робота, работающего внутри дня, выгодно для брокерских компаний, доход которых формируется за счет комиссионного вознаграждения за сделки. Кроме того, алгоритмическая торговля путем внедрения торгового робота отвечает требованиям минимизации участия в процессе клиента.
Алгоритм для долгосрочных стратегий парного трейдинга схож с алгоритмом intraday, однако включает в себя большее количество необходимых к учету факторов:
• определение периода в данном случае не имеет решающего значения. Недостаточно и технико-статистического инструментария для принятия решения об открытии/закрытии позиций;
• сделки осуществляются на основании расчета, сравнения и сопоставления на графике ряда ключевых аналитических показателей: P/E, P/S, EV/ EBITDA, P/BV (для акций банков), ROE и пр. Значения данных показателей рассчитываются аналогично: по состоянию на конец рассматриваемого на графике периода (день, неделя, месяц). Изменение значений числителя может рассматриваться как изменение фундаментальной ситуации, обуславливающей изменение спрэда;
• решения о сделках стоит принимать при совпадении сразу нескольких расхождений на параллельно выстраиваемых графиках. Потенциальная доходность одной операции может составлять порядка 10-15%.
Долгосрочная торговля парами позволяет учесть фундаментальные факторы, а также захеджировать рыночные риски. Издержки долгосрочной стратегии сравнимы с классическим портфельным инвестированием, а торговля не требует применения сложных программных установок.
В рамках инвестиционного бизнеса едва ли частный клиент-непрофессионал способен самостоятельно вести подобный рыночно-нейтральный портфель. Таким образом, данная стратегия может быть реализована в рамках премиальной классической услуги «Доверительное управление», нормативная база для которой утверждена ФСФР.
Заключение. Целью данной работы являлось моделирование и проработка алгоритмов для инвестиционных портфелей, нейтральных к рыночному риску. В статье мы продемонстрировали как простейшие виды рыночно-нейтральных портфелей, так и алгоритмы для торговых роботов, призванных поддерживать нейтральность к рынку торгового счета клиента.
Таким образом, нами доказано, что инвестиционное моделирование стратегий, основывающихся на рыночной нейтральности, несмотря на кажущуюся нетривиальность в первом приближении, на самом деле позволяет при минимальном участии инвестора минимизировать риски волатильности рынков.
Предложение нейтральных к рынку стратегий в современных условиях обладает колоссальным маркетинговым потенциалом. Стоит отметить, что данная ниша в российском инвестиционном бизнесе до сих
пор остается незанятой и развивается лишь старанием ограниченного круга трейдеров-энтузиастов.
Предложение рыночно-нейтральной стратегии доверительного управления участникам рынка или, что еще привлекательнее, торгового робота, алгоритм которого основывается на выявлении неэффектив-ностей рынка при торговле парами, при условии проведения рекламной кампании способно видоизменить соотношение долей рынка инвестиционных услуг для физических лиц.
Литература
1. French C. W. The Treynor Capital Asset Pricing Model // Journal of Investment Management. 2003. Vol. 1, N 2. Р. 60-72.
2. Whistler М. Trading pairs: capturing profits and hedging risk with statistical arbitrage strategies // Wiley. 2004. Р. 279.
3. Серебренников Д. Введение в алготрейдинг // Журнал F&O. 2011. № 4. Апрель. С. 70-76.
4. Engle R. F., Granger C. W. J. Co-integration and Error Correction: Representation, Estimation and Testing // Econometrica. 1987. Vol. 55. Р. 251-276.
5. Правдюк Т. Практика парного трейдинга. Ч. 1: Регрессия // Русский трейдер: Электронный журнал. 2011. Режим доступа: http://www.russian-trader.com/forums/content/48-pravduk-regression.
6. Ganapathy V. Pairs trading: quantitive methods and analysis // Wiley. 2004. Р. 224.
7. Булашев С. В. Статистика для трейдеров. М.: Компания «Спутник+», 2003. 245 с.
8. Правдюк Т. Практика парного трейдинга. Ч. 2: Рекурсия // Русский трейдер: Электронный журнал. 2011. Режим
доступа: http://www.russian-trader.com/forums/content/50- < pravduk-recursion. ш
9. Серафин М. Торговля парами — стратегия, не завися- § щая от состояния рынка // Finam. 2007. [Электронный к ресурс]. Режим доступа: http://www.finam.ru/international/ х newsitem224F2/default.asp.
Cl
References ^
о
1. French C. W. The Treynor Capital Asset Pricing Model. Journal g of Investment Management, 2003, vol. 1, no. 2, pp. 60-72. о
2. Whistler M. Trading Pairs: Capturing Profits and Hedging Risk ^ with Statistical Arbitrage Strategies. New York, Wiley Publ., x 2004, 279 p. I
3. Serebrennikov D. Vvedenie v algotreyding [Introduction to Algo Trading]. F & O, 2011, no. 4, pp. 70-76.
4. Engle R. F., Granger C.W. J. Co-integration and Error Correction: Representation, Estimation and Testing. Econometrica, 1987, vol. 55, no. 2, pp. 251-276.
5. Pravdyuk T. Praktika parnogo treydinga. Chast' 1. Regressiya [Practice of Pair Trading. Part 1. Regression]. Russkiy trey-der [Russian Trader], 2011. Available at: http://www.russian-trader.com/forums/content/48-pravduk-regression.
6. Ganapathy Vidyamurthy. Pairs Trading: Quantitative Methods and Analysis. New York, Wiley Publ., 2004. 224 p.
7. Bulashev S. V. Statistika dlya treyderov [Statistics for Traders]. Moscow, Sputnik Co. Publ., 2003. 245 p.
8. Pravdyuk T. Praktika parnogo treydinga. Chast' 2. Rekursiya [Practice of Pair Trading. Part 2. Recursion]. Russkiy trey-der [Russian Trader], 2011. Available at: http://www.russian-trader.com/forums/content/50-pravduk-recursion.
9. Serafin M. Pair Trading — A Strategy Not Dependent on Market Conditions. Finam, 2007. Available at: http://www.finam.ru/ international/newsitem224F2/default.asp. (In Russ.).
Обучение в Санкт-Петербургском университете управления и экономики
Санкт-Петербургский университет управления и экономики (СПбУУиЭ) — научно-образовательный центр в области фундаментальных и прикладных наук, реализующий единство развития научной деятельности и повышения качества учебного процесса. В настоящее время Университет выпускает специалистов высшей квалификации, способных решать и предупреждать экономические, социальные, управленческие, юридические проблемы с целью улучшения качества жизни и опережающего развития качества человека.
В вузе сформировано единое научно-образовательное и культурное пространство. В зависимости от источников финансирования в Университете выделяются несколько уровней научных исследований: международный, федеральный, региональный, областной, муниципальный, внутриуниверситетский.
Стратегические научные задачи Университета:
• реализация принципа обучения через проведение научных исследований на всех стадиях подготовки специалистов;
• поддержка действующих и формирование новых научно-педагогических школ Университета, укрепление их материальной базы;
• развитие фундаментальных научных исследований в рамках научных школ Университета, укрепление творческих связей и сотрудничества с Российской академией наук, отечественными и зарубежными научными центрами;
• активное участие Университета в реализации научных программ и проектов. Научные исследования Университета выполняются:
• профессорско-преподавательским составом в соответствии с индивидуальными планами;
• научными работниками, специалистами научных подразделений Университета;
• докторантами, магистрантами, аспирантами, стажерами — исследователями Университета в соответствии с индивидуальными планами их подготовки, а также в свободное от учебы (работы) время на кафедрах;
• студентами в ходе выполнения курсовых, дипломных проектов, других исследовательских работ, предусмотренных учебными планами, в студенческих научных кружках и других организациях студенческого научного творчества.
Основополагающим научным принципом Университета является «принцип управления знаниями». Знания и опыт профессорско-преподавательского состава являются наиболее ценным активом нашего Университета, благодаря которому вносится большой вклад в развитие и распространение научных знаний, формирование инновационной культуры и научной этики.
