CC BY
18Оценка эффективности структурных продуктов типа автоколл на рынке США
Юсифов Санан Ильгар оглы,
аспирант, ФГБОУ ВО «Финансовый университет при Правительстве Российской Федерации» E-mail: sanan.yusifov98@gmail.com
В статье приведена краткая характеристика структурных продуктов с опцией досрочного погашения, анализируется эффективность таких структурных продуктов на рынке США за период с 2008 по 2022 год. Также в работе проведена оценка теоретической стоимости ряда структурных продуктов с одним базисным активом типа автоколл из сформированной выборки. Для этого была использована модель геометрического броуновского движения и метод Монте-Карло. На основе проведенного анализа сделан вывод о том, что структурные продукты с опцией досрочного погашения можно считать эффективным инструментом инвестирования с показателями доходности к риску сопоставимыми с рынком акций. А также сделан вывод об адекватности построенной модели оценки теоретической стоимости структурных продуктов типа автоколл с одним базисным активом.
Ключевые слова: структурный продукт, структурная нота, структурная облигация, автоколл, доходность, риск, эффективность.
С начала 2000-х годов одним из наиболее быстрорастущих сегментов на мировом рынке ценных бумаг остается рынок структурных облигаций. Стимулом для активного развития данного класса инструментов послужил длительный период смягчения денежно-кредитной политики в развитых странах, который сопровождался низкими процентными ставками на рынке. Таким образом, спрос инвесторов на инструменты с повышенной доходностью побудил крупные финансовые институты к созданию и развитию широкого спектра новых инструментов для инвестирования.
Ключевыми факторами, повлиявшими на широкое распространение и популяризацию структурных облигаций являются относительно высокая доходность, активное развитие нормативно-правовой базы в США (MiFID II и Dodd-Frank), а также высокая степень кастомизации инструментов - возможность «собрать» продукт под нужны разных типов инвесторов.
На сегодняшний день существует множество релевантной литературы, как практической (нацеленной на использование частными инвесторами структурных нот в процессе спекулятивной и инвестиционной торговли), так и академической. При этом следует отметить тот факт, что в российской экономической литературе рассматриваемый сегмент представлен относительно слабо. Наиболее значимыми российскими авторами по теме исследования можно назвать А.Н. Буренина, А.А. Лобанова, В.А. Галанова, А.Б. Фельдмана, М.Ю. Глухо-ва. Среди зарубежных авторов следует выделить Р. Эрнандеса, Р. Кноппа, Tong, Malett. Deng, Mal-kaavara, Hanssen.
Большая часть исследований по теме посвящена преимущественно оценке справедливой стоимости структурных нот. При этом авторы зачастую используют малые по объему выборки или, в некоторых случаях, оценивают гипотетические продукты. Также проблема оценки эффективности структурных продуктов не получила должного развития на сегодняшний день.
Цель настоящей работы - оценить эффективность рынка структурных продуктов США (на примере инструментов типа автоколл).
Характеристика структурных продуктов с опцией досрочного погашения
В исследовании анализируются ноты с опцией досрочного погашения (автоколлы или autocallable notes). Ноты с опцией досрочного погашения позволяют инвесторам получить как купонные выплаты,
сз о
со £
m Р сг
СТ1 А
=Е
так и номинал продукта до наступления срока экспирации, что может повысить итоговую доходность за счет реинвестирования средств.
По мнению Hansson (2012), опция досрочного погашения является одной из основных причин роста популярности структурных продуктов среди инвесторов. Досрочное погашение ноты происходит при наступлении некоторых условий, описанных в контракте. Условия проверяются автоматически в определенные даты, которые называются датами фиксации. Так, в дату фиксации определяется значение базовых активов (как правило, цена закрытия актива), и если выполняются описанные в контракте условия, происходят некоторые действия -выплата или невыплата купона, реализация опции авто-погашения.
Контрактные условия могут быть заданы в виде различных типов барьеров:
• Барьер защиты капитала
Барьер защиты капитала - некоторое значение базового актива, при достижении которого инвестор теряют право на возврат полной стоимости номинала. Часть номинала все равно будет получена инвестором, как правило, пропорционально снижению стоимости базового актива.
• Купонный барьер
Купонный барьер - некоторое значение базового актива, при достижении которого инвестор теряют право на получение купонов за прошедший период времени. При этом могут быть различные вариации инструментов с данным типом барьера, например, учитывающие эффект памяти купонных выплат. Их особенность состоит в возможности получить незаработанные ранее купонные выплаты, если будут выполнены условия по базовому активу на дату фиксации.
• Барьер досрочного погашения
Механизм работы данного типа барьера аналогичен описанным выше. При этом если значение базового актива достигнет заданного уровня, инвестор автоматически получит накопленный за период купон и 100 или более процентов от номинала (в зависимости от контрактных условий).
Методология исследования
Анализ проводился на трех различных временных промежутках, характеризующихся фундаментально разной экономической конъюнктурой: с начала 2008 года по конец 2012 года (охватывает мировой финансовый кризис 2008 года и последующее восстановление рынка); с начала 2013 года по конец 2017 года (период стабилизации рынков и роста мировой экономики); а также с начала 2018 года по конец 2022 года (охватывает пандемию COVID-19 и события, связанные с ростом геополитической напряженности в мире). ¡2 Выборка включает в себя 101 ноту трех типов © по способу оценки динамики базовых активов. м Для целей настоящего исследования были со-еЗ браны данные по структурным продуктам с опцией автопогашения. Выборка включает в себя ноты
трех типов по способу оценки динамики базовых активов (Таблица 1):
• Учитывающих средневзвешенную динамику базовых активов;
• С эффектом памяти купонных выплат;
• Учитывающих наихудшую динамику базовых активов
Данные по контрактам были собраны с официального сайта Комиссии по ценным бумагам и биржам США (Security Exchange Comission/SEC) за период с 2008 по 2022 гг.
В выборку включены продукты с различными сроками действия и частотой начисления купонов. Количество базовых активов по контрактам варьируется от 1 до 4 (всего 140 уникальных активов на 101 структурную ноту).
Таблица 1. Структура выборки структурных продуктов
Оценка динамики базового актива Количество
Наихудший из базовых активов 45
С эффектом памяти купонных выплат 42
Средневзвешенная динамика базовых активов 14
Источник: составлено автором
В целях систематизации анализа были выбраны некоторые показатели, которые с помощью программного кода на языке Python были рассчитаны по всем инструментам на протяжении рассматриваемого периода. В работе используются следующие показатели: максимальная и минимальная доходность, среднегодовая доходность, IRR, доходность/риск, волатильность, количество наблюдений.
Далее, на основе полученных данных, проводился анализ эффективности рассматриваемых продуктов между собой и относительно базовых активов, к которым они привязаны.
Результаты исследования за период с 2008 по 2012 гг.
Результаты исследования за период представлены в Таблице 2.
Таблица 2. Результаты исследования за период с 2008 по 2012 гг.
Результаты расчетов по структурным продуктам
наихудший из базовых активов с эффектом памяти купонных выплат средневзвешенная динамика базовых активов
Годовая доходность 3,16% 5,89% 9,43%
Среднее значение IRR 1,39% 7,81% 9,12%
Минимальная доходность -35,81% -26% -2,59%
Доходность к риску 0,10 0,08 0,18
Результаты расчетов по структурным продуктам
наихудший из базовых активов с эффектом памяти купонных выплат средневзвешенная динамика базовых активов
Доля инструментов, которые были погашены в течение 1 года с начала действия продукта 16,50% 15,70% 17,40%
Доля инструментов с полной защитой капитала, просуществовавших до даты экспирации 16,13% 16,19% 9,27%
Доля инструментов, по которым были пробиты барьеры защиты капитала, просуществовавших до даты экспирации 14,36% 14,11% 4,36%
Результаты расчетов по базовым активами
наихудший из базовых активов с эффектом памяти купонных выплат средневзвешенная динамика базовых активов
Годовая доходность 16,35% 20,69% 19,51%
Минимальная доходность -28,00% -27,23% -9,86%
Доходность к риску 0,45 0,44 0,40
Источник: расчеты автора на основе данных SEC
Полученные результаты позволяют сделать следующий вывод. На рассматриваемом временном промежутке базовые активы показали большую доходность, при этом и соотношение доходности к риску также выше. Это обусловлено в большей степени значительным ростом стоимости базовых активов в период восстановления рынка после кризиса 2008 года, в то время как рассматриваемые структурные продукты имели ограниченный потенциал роста доходности в силу специфики продуктов.
Стоит отдельно отметить, что только у нот с привязкой к средневзвешенной динамике базовых активов риск оказался существенно ниже, чем у базовых активов и других типов структурных продуктов. Соотношение доходности к риску по данному типу нот также выше, чем по другим рассматриваемым типам.
В целом, можно сделать заключение о том, что в периоды высокой неопределенности и высокой волатильности рынок структурных продуктов представляется малоинтересным. Существенное сни-
жение стоимости базовых активов приводит к достижению уровней барьеров, что приводит к потере купонных выплат и части номинала структурных нот. При этом продукты, привязанные к средневзвешенной динамике базовых активов выглядит относительно прочих более привлекательно в силу их специфики - при достижении одним из базовых активов барьера, но недостижении другими из них, сохраняется право инвестора на доход по инструменту.
Результаты исследования за период с 2013 по 2017 гг.
Результаты исследования за период представлены в Таблице 3.
Таблица 3. Результаты исследования за период с 2013 по 2017 гг.
Результаты расчетов по структурным продуктам
наихудший из базовых активов с эффектом памяти купонных выплат сред-невзве-шенная динамика базовых активов
Годовая доходность 7,45% 8,94% 9,25%
Среднее значение IRR 6,79% 8,27% 9,39%
Минимальная доходность -16,46% -12,80% -2,27%
Доходность к риску 0,38 0,37 0,46
Доля инструментов, которые были погашены в течение 1 года с начала действия продукта 18,46% 17,75% 20,05%
Доля инструментов с полной защитой капитала, просуществовавших до даты экспирации 3,30% 3,09% 1,06%
Доля инструментов, по которым были пробиты барьеры защиты капитала, просуществовавших до даты экспирации 1,35% 1,13% 0,88%
Результаты расчетов по базовым активами
наихудший из базовых активов с эффектом памяти купонных выплат сред-невзве-шенная динамика базовых активов
Годовая доходность 16,17% 16,30% 9,01%
Минимальная доходность -16,75% -21,27% -17,66%
Доходность к риску 0,77 0,79 0,62
Источник: расчеты автора на основе данных SEC
Полученные результаты позволяют сделать следующий вывод. На рассматриваемом временном промежутке только продукты, привязанные к средневзвешенной динамике корзины базовых активов показали доходность больше, чем базовые активы. При этом и соотношение доходности к риску по ним ниже. Однако, несмотря на более низкое значение доходность/риск, средняя минимальная доходность по нотам была существенно ниже, чем по базовым активам.
Продукты с привязкой к средневзвешенной динамике корзины базовых активов также оказались более эффективными относительно других рассматриваемых типов нот на заданном периоде.
В целом можно отметить, что в период восстановления и активного роста экономики более эффективным является инвестирование в базовые активы за счет отсутствия ограничения доходности. Однако даже на протяжении такого позитивного периода рынок испытывал существенные просадки, что в целом позволяет некоторым видам структурных нот конкурировать с ними, особенно учитывая значительно более низкие риски потери капитала.
Результаты исследования за период с 2018 по 2022 гг.
Результаты исследования за период представлены в Таблице 4.
Таблица 4. Результаты исследования за период с 2018 по 2022 гг.
Результаты расчетов по структурным продуктам
наихудший из базовых активов с эффектом памяти купонных выплат средневзвешенная динамика базовых активов
Годовая доходность 4,83% 8,90% 8,02%
Среднее значение IRR 3,74% 8,53% 7,65%
Минимальная доходность -22,20% -6,11% -1,07%
Доходность к риску 0,17 0,15 0,28
Доля инструментов, которые были погашены в течение 1 года с начала действия продукта 16,23% 16,00% 14,41%
Доля инструментов с полной защитой капитала, просуществовавших до даты экспирации 14,23% 12,48% 10,76%
Результаты расчетов по структурным продуктам
наихудший из базовых активов с эффектом памяти купонных выплат средневзвешенная динамика базовых активов
Доля инструментов, по которым были пробиты барьеры защиты капитала, просуществовавших до даты экспирации 10,16% 11,52% 6,85%
Результаты расчетов по базовым активами
наихудший из базовых активов с эффектом памяти купонных выплат средневзвешенная динамика базовых активов
Годовая доходность 19,17% 20,28% 4,45%
Минимальная доходность -15,26% -13,52% -9,62%
Доходность к риску 0,62 0,64 0,58
Источник: расчеты автора на основе данных SEC
Полученные результаты позволяют сделать следующий вывод во многом аналогичный предыдущему (2013-2017 гг.). На рассматриваемом временном промежутке только продукты, привязанные к средневзвешенной динамике корзины базовых активов показали доходность больше, чем базовые активы. При этом соотношение доходности к риску по ним ниже. Однако, несмотря на более низкое значение доходность/риск, средняя минимальная доходность по нотам (всех типов) была существенно ниже, чем по базовым активам.
Продукты с привязкой к средневзвешенной динамике корзины базовых активов также оказались более эффективными относительно других рассматриваемых типов нот на рассматриваемым периоде.
В целом можно отметить что на данном периоде структурные ноты оказались менее эффективными, чем базовые активы.
Оценка теоретической стоимости структурного продукта типа автоколл
Для оценки справедливой стоимости структурного продукта типа автоколл в работе используется модель геометрического броуновского движения. Данная модель является одной из наиболее популярных для моделирования теоретической стоимости различных финансовых инструментов. В том числе в основе широко известной модели Блэка - Шоулза лежит данная модель.
Согласно модели геометрического броуновского движения:
St = \iStdt + aStdWt
где: St - стоимость базового актива (БА) в момент времени t;
ц - risk-free rate (параметр сноса); ст - implied volatility (параметр отклонения); Wt - стандартный винеровский процесс N(0, 1); dt - дней до экспирации.
Если по БА есть дивиденды, в модели они будут учтены следующим образом:
dSt = (ц - q) Stdt + aStdWt, где q - текущая дивидендная доходность (% годовых)
После преобразования можем получить дискретную версию модели:
Aln (St) = (ц- q) At + aVAfN (0,1)
Так, в левой части полученного уравнения - непрерывная доходность, в правой - 2 компонента:
• (ц- q)At - риск нейтральный дрифт (нет элементов неопределенности);
• стл/AtN (0, 1) - разброс, который состоит из рисковой компоненты.
Доходность согласно модели имеет нормальное распределение со следующими параметрами:
AS
"Ф
(yAt ;a2At) .
Метод Монте-Карло
Оценка стоимости продукта производится в дату первоначальной оценки (Initial Valuation Date) за несколько дней до эмиссии структурной ноты (Issue Date). Так, моделирование производится начиная с Initial Valuation Date до даты экспирации ноты на каждый день.
Очевидно, что умножение кумулятивной доходности на стоимость актива в данный момент времени равно оценке текущей стоимости базового актива (стоимость в начальный момент времени равно 100%).
(1 + 1) * (1 + Г2) * ...(1 + rt) * So = St
На Рисунке 1 изображена симуляция динамики акций компании Apple с 18.08.2022 по 24.08.2024 c шагом в один день. При этом оценка стоимости продукта происходит на момент t=0, а результаты последней фиксации происходят на момент t = 504 (252 рабочих дня в году).
Рис. 1. Метод Монте-Карло, количество симуляций - 1000
Далее необходимо проверить выполнения основных условий структурного продукта в даты фиксации (Observation Dates). Учитывая то, что рассматриваемый актив имеет европейский барьер, необходимо проверить только 2 условия в каждую дату фиксации.
' N + Ct, ifSt > Autocall Level , Ct, ifSt > Coupon Barrier Level, 0, ifSt < Coupon Barrier Level
Payoff during the life
где: N
Payoff at the end of the life =
N + Ct,if ST > CouponBarrierLevel, N, if ST > Capital Protection Level, X, if ST < Capital Protection Level ■ номинал продукта;
Ct - купон за данный период (если продукт имеет опцию Snow Ball, когда есть возможность полу-
чить все невыплаченные ранее купоны, Ct =^C,
unpaid
сз о
со £
m Р сг
СТ1 А
=Е
1
Autocall level - уровень, при котором происходит автопогашение ноты;
Coupon Barrier Level - уровень барьера по купону, в% от первоначальной цены (изменяется в зависимости от implied volatility);
Capital Protection Level - уровень условной защиты капитала, в% от первоначальной цены (также изменяется в зависимости от implied volatility);
St - цена БА в дату фиксации;
ST - цена БА на последнюю дату фиксации;
X = NominalValue + (Nominal Value * UnderlyingReturn)
Условия проверяются по каждой траектории. Далее производится расчет средней величины выплат:
Payofft =
^N
N
где: CFt - выплаты на момент времени t; N - количество траекторий;
Payoff - средняя величина потоков на момент времени t.
Расчет приведенной стоимости денежных потоков
Для расчета текущей стоимости актива, необходимо продисконтировать полученные на предыдущем этапе денежные потоки. Здесь ключевым вопросом является выбор ставки дисконтирования. На практике в качестве безрисковой ставки до 2008 года активно использовали LIBOR, однако последующий кризис выявил необходимость замены прокси-ставки на аналоги. Так, экономисты J. Hull и A. White (2013) отмечают, что в качестве замены чаще всего используется ставка Overnight index swap rate. На стабильном рынке она, как правило, ниже LIBOR на 10 б.п.
С помощью метода линейной интерполяции можно рассчитать спот ставки на даты выплаты купонов.
rt = rt-i
Xt - X
t-i
Xt+i- Xt-i
(rt+i- rt-i)
где: г_1 - спот ставка за предыдущий период; г+1 - спот ставка за последующий период;
Xn - X.
n-i
количество дней с момента предыдущей
спот ставки до момента t;
Xt+i - Xt-i -
t-i
количество дней c момента предыдущей до последующей спот ставки.
Приведенная теоретическая стоимость структурной ноты рассчитывается с помощью дисконтирования денежных потоков на момент Initial Valuation Date:
T
Payofft
pv = Zi (i + rt + CDS )252
где PV - текущая стоимость структурной ноты;
r - безрисковая ставка,% годовых;
CDS - Credit Default Swap (по которому срок действия
равен сроку действия ноты).
В таблице 5 в столбце Theoretical Value, приведены результаты расчета приведенной стоимости структурных нот с их основными характеристиками. Результаты показывают, что в среднем отклонение от справедливой цены составляет около 5,8%. В научной литературе на данный момент нет крупномасштабных исследований в данной области, в связи с чем судить об адекватности полученных результатов можно только с помощью их сравнения с другими исследованиями по разным структурным продуктам. Так, среднее отклонение по продуктам reverse convertible в работах ряда зарубежных исследователей составляет 3-4% (на рынке США). Учитывая то, что продукты типа автоколл являются самыми сложными по структуре выплаты продуктами и требуют больше издержек по их хеджированию, оценка 4-6% является нижней границей для данного типа продуктов.
Таблица 5. Результаты расчета теоретической цены структурных продуктов
ISIN / CUSIP Тип начисления купона Срок действия (мес) Купонная ставка Теоретическая стоимость Премия
US40056YGG35 Worst of 24 2.50% 987 1.30%
US06747ML382 Worst of 24 2.75% 908 9.20%
US78013XFV55 Worst of 24 2.75% 956 4.40%
US40057HMT40 Worst of 24 3.33% 902 9.80%
US06741WME74 Worst of 24 0.96% 964 3.60%
US78010UYW1 Memory effect 36 2.37% 973 2.70%
US90270KHQ58 Memory effect 12 2.93% 962 3.80%
US90279DXK70 Memory effect 12 3.35% 961 3.90%
US90279DMR43 Memory effect 24 3.17% 912 8.80%
US90279DQX74 Memory effect 24 2.00% 963 3.70%
ISIN / CUSIP Тип начисления купона Срок действия (мес) Купонная ставка Теоретическая стоимость Премия
US90276BXE81 Memory effect 12 2.96% 936 6.40%
US90279DAE67 Memory effect 24 2.50% 903 9.70%
US90276BG564 Memory effect 12 2.68% 907 9.30%
US90270KJC45 Memory effect 12 2.50% 924 7.60%
US90279DYD29 Memory effect 12 3.78% 948 5.20%
US90270K4A46 Memory effect 12 3.23% 946 5.40%
US78016F3N29 Memory effect 12 2.65% 912 8.80%
US78013XSW91 Memory effect 12 2.61% 959 4.10%
US78015KHY38 Memory effect 12 2.50% 923 7.70%
US90276BL358 Memory effect 12 2.50% 957 4.30%
US90276BZF39 Memory effect 12 2.65% 972 2.80%
US90279DUB09 Memory effect 36 1.40% 947 5.30%
US78016F2H69 Memory effect 12 3.26% 921 7.90%
US78015KXM16 Memory effect 24 3.12% 979 2.10%
US78016ECR62 Memory effect 12 2.50% 942 5.80%
US78015KVB78 Memory effect 12 2.45% 927 7.30%
Источник: рассчитано автором
По законодательству США эмитенты обязаны указывать в проспекте эмиссии (term sheet) теоретическую стоимость структурного продукта. Следовательно, адекватность полученных результатов можно сравнить с теоретическими ценами инструментов. Так, среднее отклонение теоретической цены, рассчитанной в ходе работы, от теоретической цены, рассчитанной эмитентом, составило 1.7%. Это свидетельствует об адекватности построенной автором модели. Данное отклонение обусловлено тем, что эмитенты не учитывают CDS-спреды при расчете ставки дисконтирования.
Заключение
В целом инвестирование в структурные облигации в течение всего рассматриваемого периода показало доходность меньше, чем базовые активы, к которым они привязаны. При этом соотношение доходности к риску по базовым активам также оказалось выше в каждом из рассматриваемых периодов. Это связано с отсутствием ограничений по доходности базовых активов, в отличие от структурных нот.
Однако следует отметить, что при расчете соотношения доходности к риску в качество последнего в современной экономической литературе принято считать среднеквадратическое отклонение актива. При этом анализ следует дополнить также прочими показателями, характеризующими уровень рисков при инвестировании в актив. Так, в работе по каждому классу активов был рассчитан показатель средней минимальной доходности за период. Значение показателя по структурным продуктам оказалось существенно ниже, чем по базовым ак-
тивам, при этом, по мнению автора, уровень доходности к риску по активам можно считать сопоставимым. В связи с этим, можно сделать вывод о том, что структурные облигации с опцией досрочного погашения можно считать эффективным инструментом инвестирования, если учитывать некоторую премию при покупке такого типа структурных нот за наличие барьеров, существенно снижающих риски на негативных и высоко волатильных фазах рынка.
Среди рассматриваемых видов структурных облигаций наибольшая эффективность наблюдалась у нот с привязкой к средневзвешенной стоимости корзины базовых активов. Это объясняется тем, что условия начисления купонных выплат и номинала по ним более гибкие.
Также для целей исследования проведена оценка теоретической стоимости структурных продуктов по модели геометрического броуновского движения. Среднее значение премии согласно рассчитанным оценкам составило 5.8%. При этом премия, установленная эмитентами, по анализируемой выборке составила в среднем 4,1%. Данное отклонение обусловлено в том числе тем, что эмитенты не учитывают CDS-спреды при расчете ставки е дисконтирования. Полученные результаты позво- Н ляют сделать вывод об адекватности построенной С модели. §
т
Литература Ы
Н
И
1. Денг, Генг и Дулани, Тим и Хассон, Тим и Мак- т канн, Крейг Дж. и Ян, Майк, Возврат структу- 5£ рированных продуктов постфактум: методоло- И
гия и анализ индекса (28 января 2014 г.). Журнал инвестирования, Vol. 24, № 2, 2015.
2. Денг, Генг и Хассон, Тим и Макканн, Крейг Дж., Оценка структурных продуктов (4 февраля 2014 г.). Журнал альтернативных инвестиций, Vol. 16, № 4, 2014.
3. Халл Дж. и Уайт А. (2012). LIBOR против OIS: дилемма дисконтирования деривативов. Журнал управления инвестициями, 11, 14-27.
4. Малкаваара Т. (2020), Долгосрочная доходность структурных инвестиций (инвестиций в структурные продукты).
5. Фабоцци Ф. (2005), Справочник по ценным бумагам с фиксированным доходом, McGraw-Hill.
6. Хендерсон, Брайан Джозеф и Пирсон, Нил Д., Темная сторона финансовых инноваций (13 февраля 2009 г.).
7. Некрасова Инна Владимировна Структурные продукты как побочные продукты банковских продуктов // JER. 2012. № 3.
8. Официальный сайт комиссии по ценным бумагам и биржам США [Электронный ресурс] URL: https://www.sec.gov/ (дата обращения: 10.03.2023).
LQ S Ое
со см о см
1Л
EVALUATION OF THE EFFICIENCY OF AUTOCALLABLE STRUCTURED PRODUCTS IN THE US MARKET
Iusifov S.I.
Financial University under the Government of the Russian Federation
The article provides a brief description of structured products with an early repayment option, analyzes the effectiveness of such structured products in the US market for the period from 2008 to 2022. Also, the paper assesses the theoretical value of a number of au-tocallable structured products with one underlying asset from the generated sample. For this, the model of geometric Brownian motion and the Monte Carlo method were used. Based on the analysis, it was concluded that structured products with an early repayment option can be considered an effective investment tool with return to risk indicators comparable to the stock market. And also a conclusion was made about the adequacy of the constructed model for estimating the theoretical cost of autocallable structured products with one underlying asset.
Keywords: structured product, structured note, structured bond, autocall, yield, risk, efficiency.
References
1. Deng, Geng and Dulaney, Tim and Husson, Tim and McCann, Craig J. and Yan, Mike, Ex-Post Structured Product Returns: Index Methodology and Analysis (January 28, 2014). Journal of Investing, Vol. 24, No. 2, 2015.
2. Deng, Geng and Husson, Tim and McCann, Craig J., Valuation of Structured Products (February 4, 2014). Journal of Alternative Investments, Vol. 16, No. 4, 2014.
3. Hull, J., & White, A. (2012). LIBOR vs. OIS: The Derivatives Discounting Dilemma. Journal of Investment Management, 11, 1427.
4. Malkavaara T. (2020), The Long-Run Returns of Structured Investment.
5. Fabozzi F. (2005), The Handbook of Fixed Income Securities, McGraw-Hill.
6. Henderson, Brian Joseph and Pearson, Neil D., The Dark Side of Financial Innovation (February 13, 2009).
7. 7. Nekrasova Inna Vladimirovna Structural products as a kind of banking product innovations // JER. 2012. № 3.
8. 8. Official website of the US Securities and Exchange Commission [electronic resource] URL: https://www.sec.gov/ (date of access: 03/10/2023).
