CC BY
62
ТЕRRА ECONOMICUS ^ Экономичeский вестник Ростовского государственного университета ^ 2009 Том 7 № 4
ОЦЕНКА ЭФФЕКТИВНОСТИ УПРАВЛЕНИЯ ПОРТФЕЛЕМ В УСЛОВИЯХ ФИНАНСОВОГО КРИЗИСА
И.В. НЕКРАСОВА
кандидат экономических наук, доц. кафедра финансов и кредита Южный федеральный университет email: nekrasova@mail.ru
А.Ю. МАЛИКОВА,
специалист по ценным бумагам компании Управление ОАО СЭФТ-КАПИТАЛ по Южному федеральному округу e-mail: inna-nekrasova@mail.ru
В статье анализируются показатели оценки эффективности управления портфелем в условиях финансового кризиса. Представлены результаты инвестирования в открытые фонды трех вымышленных пайщиков с разным отношением к риску — спекулянта, умеренно-агрессивного инвестора и консерватора. В данном исследовании мы провели оценку эффективности работы портфельных менеджеров инвестиционной компании ОАО «СЭФТ-Капитал», используя указанные выше коэффициенты, а также метод Монте Карло.
Ключевые слова: финансовый кризис, эффективность управления портфелем, фондовый рынок.
Коды классификатора JEL: D53, Е44, Е62.
Состояние фондового рынка является важнейшим показателем, характеризующим здоровье экономической системы. Перспективы социально-экономического развития страны в значительной мере зависят от того, что будет происходить с акциями российских компаний. С мая 2008 года, когда были зафиксированы максимальные значения капитализации российского рынка акций, по октябрь снижение совокупной капитализации составило 62%. Динамика и значение соотношения капитализации рынка акций и номинального ВВП (другими словами, капиталоемкость ВВП) чрезвычайно важны для оценки стратегических перспектив фондовых рынков.
Анализ динамики темпов прироста капиталоемкости ВВП России показывает, что отечественный рынок — один из наименее плавно развивающихся рынков среди стран с трансформационной экономикой. За период 1996-2008 гг. отмечалось два резких скачка в темпах прироста капиталоемкости ВВП и два менее существенных, но имеющих последствия. Дважды был превышен уровень темпов прироста капиталоемкости ВВП в 200%: в 1997 г. он составил 220%, в 1999 г. — 363%, что повлекло последующее снижение значений показателя и согласуется с сокращением темпов прироста ВВП в течение 1998 и 2001 г. соответственно. Менее высокие скачки темпов прироста капиталоемкости наблюдались в 2001 гю до 67% и в 2005 г. до 60% также согласуются как с последующим снижением значений самого показателя, так и со снижением темпов прироста ВВП в течение 2001 и 2005 гг. Поэтому, по оценкам экспертов, для экономики России пороговое значение темпов годового прироста капитализации ВВП составляет 60%, несмотря на наличие более высоких значений показателя [2].
Достигнутый Россией в 2007 году показатель капиталоемкости ВВП в 116% почти в
2 раза превысил показатель Германии (64%), еще больше — Италии (51%). Он был всего лишь немногим менее показателей США (144%) и Великобритании (141%).
Представленные в таблице 1 статистические данные говорят о том, что перекапитализация фондового рынка, как в России, так и в других странах, выведение показателя капиталоемкости ВВП на неадекватно высокий уровень, как правило, имеют следствием его резкое снижение, сопровождающееся падением темпов прироста экономики. Именно это обстоятельство способствовало ускорению развития мирового финансового кризиса.
В рыночной экономике важную роль для привлечения средств граждан, наряду с банковской системой, играет фондовый рынок, с помощью которого происходит вложение денежных средств индивидуальными инвесторами в ценные бумаги. Однако осуществление самостоятельных инвестиций требует, во-первых, определенных знаний и умения, а, во-вторых, затрат времени и значительного объема первоначального капитала, поэтому тради-
© Некрасова И.В., Маликова А.Ю., 2009
ционные финансовые инструменты оказываются доступны не всем потенциальным инвесторам. Логичным способом преодолеть эти трудности является вложение денежных средств при помощи финансовых посредников, задача которых состоит в аккумулировании небольших сбережений многих мелких инвесторов и последующем инвестировании в экономику посредством рынка ценных бумаг. Такой вид инвестиций носит название коллективных инвестиций. К институтам рынка коллективных инвестиций в России относят акционерные инвестиционные фонды, паевые инвестиционные фонды, негосударственные пенсионные фонды, кредитные союзы, инвестиционные банки, также к этому рынку часто относят и общие фонды банковского управления. Наиболее известным и разработанным институтом коллективных инвестиций в России является институт паевых инвестиционных фондов.
Таблица 1
Капиталоемкость ВВП (в %)
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008
Россия 10% 32% 8% 37% 15% 25% 36% 53% 45% 72% 107% 116% 87%
США 108% 129% 145% 181% 155% 137% 106% 129% 139% 139% 146% 144% 121%
Велико- британия 146% 150% 167% 200% 179% 151% 119% 136% 131% 137% 160% 141% 113%
Канада 79% 89% 88% 121% 116% 98% 78% 103% 119% 131% 134% 165% 125%
Япония 67% 52% 65% 104% 68% 55% 54% 72% 80% 104% 108% 102% 85%
Германия 28% 38% 50% 67% 67% 57% 34% 44% 44% 44% 57% 64% 51%
Франция 38% 47% 67% 101% 109% 88% 66% 75% 76% 82% 108% 108% 77%
Италия 20% 29% 47% 61% 70% 47% 39% 41% 46% 45% 55% 51% 38%
Китай 13% 22% 23% 31% 48% 40% 32% 42% 33% 35% 91% 190% 74%
Индия 32% 31% 25% 41% 32% 23% 26% 47% 55% 68% 89% 155% 96%
Бразилия 26% 29% 19% 39% 35% 34% 24% 41% 50% 54% 66% 104% 93%
Источник: WB.
ПИФы считаются одним из самых надежных и прозрачных инструментов инвестирования на российском финансовом рынке. Их отличительной чертой является доступность и высокая надежность инфраструктуры, что позволяет им быть потенциально привлекательным для широких слоев населения. Для ПИФов минимальная сумма инвестирования начинается с 500-1000 руб. Если при простом доверительном управлении действия управляющего не подлежат ежедневному контролю со стороны сторонней организации, то в ПИФах присутствует ежедневная проверка деятельности управляющей компании (УК) на предмет соответствия существующей нормативной базе и установленным правилам ПИФа. Согласно действующему законодательству, паевые фонды не являются юридическими лицами и поэтому не платят налог на прибыль, а налогообложению подлежит только доход, полученный владельцами инвестиционных паев при их реализации, разнице в цене пая при покупке и погашении. Таким образом, ПИФы дают возможность инвестору избегать двойного налогообложения. Объединение капитала пайщиков позволяет диверсифицировать вложения, снизить риски, а также добиться снижения операционных издержек паевого инвестиционного фонда.
В 2007-2008 гг. произошла смена «эпохи трехзначных доходностей» на «эпоху нормальной доходности» ПИФов, когда отдача от инвестиций в них, на 5-10% превышающая годовую доходность банковского депозита, считается вполне достаточной. В 2005 году инвестор мог вложить средства в ПИФы наугад, поскольку неудачных фондов на рынке коллективных инвестиций не наблюдалось: по итогам 2005 г. 90 процентов открытых фондов обогнали по доходности инфляцию, а показавших отрицательную доходность вовсе не было. За 2007 год только 20,3% открытых фондов обогнали инфляцию, отрицательную доходность показали 11%. В качестве приблизительной оценки открытых ПИФов акций, облигаций, фондов смешанных инвестиций можно использовать результаты эксперимента по виртуальному вложению средств на два года, приведенные в апрельском номере 2008 года «Бизнес-журнала» Д. Денисовым [1].
В статье представлены результаты инвестирования в открытые фонды трех вымышленных пайщиков с разным отношением к риску — спекулянта, умеренно-агрессивного инвестора и консерватора. «Пайщики» приступают к вложению средств 16 марта 2006 г. и выводят деньги 16 марта 2008 г. Спекулянт, ориентируясь при выборе фондов на максимальную годовую доходность, вкладывает 100 тыс. руб. в десять наиболее доходных открытых фондов акций. Умеренно-агрессивный инвестор ориентируется на лучшие фонды по показателю «доходность/риск» за год и вкладывает 100 тысяч в основном в фонды смешанных инвестиций, добавив фонд акций и фонд облигаций. Консерватор, используя тот же критерий, вкладывает сумму в фонды облигаций. На момент вложения средств в ПИФы (середина
ТЕRRА ECONOMICUS ^ Экономичeский вестник Ростовского государственного университета 2009 Том 7 № 4
ТЕRRА ECONOMICUS ^ Экономичeский вестник Ростовского государственного университета ^ 2009 Том 7 № 4
марта 2006 г.) доходность фондов-лидеров составляла более 110% годовых. Наименее доходный фонд, паи которого были приобретены спекулянтом, демонстрировал доходность на уровне 87,4%; у умеренно-агрессивного инвестора — 48,4% (наиболее доходный — 103%); у консерватора — 11,5% (наиболее доходный — 26,2%). Результаты по итогам двухлетнего периода инвестирования оказались следующими: спекулянт заработал 8,65% годовых, умеренно-агрессивный инвестор — 8,28% годовых, консерватор — 7,68%. Причины получения одинаково низких доходов заключаются в высокой волатильности отечественного фондового рынка в 2007 году из-за ипотечного кризиса в США, вызвавшего кризис ликвидности российских банков, обусловленного эффектом «западной кредитной иглы». Если за 2006 г. индекс РТС вырос на 70,7%, то за 2007 г. прирост составил лишь 19,8%. Однако невысокая доходность портфельных инвестиций является следствием не только указанных выше факторов. Основная причина заключается в так называемом «эффекте низкой базы», который позволял рынку расти на десятки процентов в 2002-2006 гг. и который в настоящее время полностью исчерпал себя.
Число открытых фондов из года в год растет, а за последние два года появились совершенно новые категории фондов: хедж-фонды, товарные, кредитные, строительные, что осложняет проблему выбора паевого инвестиционного фонда. Это свидетельствует о росте эффективности функционирования российских финансовых рынков, увеличении числа институтов, предлагающих широкий спектр услуг по доверительному управлению денежными средствами, а также росте количества инвесторов, осуществляющих вложения в финансовые инструменты.
Мировой финансовый кризис, кризис банковской ликвидности в России должен заставить инвесторов (потенциальных пайщиков) внимательнее относиться к выбору управляющей компании и фонда. Однако статистика показывает, что 80 процентов инвесторов выбирают ПИФы, ориентируясь на годовую доходность как основной показатель и доходность за пару последних месяцев как дополнительный показатель, совершая тем самым большую ошибку. Это обусловлено тем, что некоторые управляющие «накачивают» доходность своих паев к концу года или полугодия. Управляющие компании ведут настоящую борьбу за привлечение денег в свои фонды. Типичная схема манипулирования доходностью такова. Для того чтобы фонд сформировался, необходимо внести в него от 10 до 25 млн руб. в зависимости от типа фонда. С целью притока новых вкладчиков в неизвестный фонд заводится рекламный бюджет, часть которого проигрывается фонду аффилированными структурами. Роль последних может сыграть брокер из родственной инвестиционной компании или банка. Эти структуры продают фонду ценные бумаги по заниженной убыточной для себя цене, но прибыльной для фонда. Ценные бумаги затем просто переоцениваются «по рынку», и фонд получает высокую доходность пая. Особенно удобны для подобных схем акции второго эшелона, спрэды по которым доходят до нескольких десятков процентов. Разновидностью манипуляций с доходностью фонда можно считать и так называемую реставрацию его портфеля, позволяющую «подправить» его итоговые результаты. Схема такова: берется группа неликвидных ценных бумаг в портфеле фонда и с помощью аффилированного брокера проводится их переоценка.
Из вышесказанного следует, что такой критерий, как доходность фонда за последний год, не является приемлемым для его выбора. Только высокие результаты на протяжении пяти-шести лет работы фонда (историческая доходность) могут быть весомым доказательством его успешности. Помимо этого для оценки эффективности управления портфелем следует обращать внимание на такие показатели, как коэффициент Дженсена, коэффициент Шарпа, которые могут дать более точную оценку эффективности управления портфелем.
В данном исследовании мы провели оценку эффективности работы портфельных менеджеров инвестиционной компании ОАО «СЭФТ-Капитал», используя указанные выше коэффициенты, а также метод Монте-Карло.
Для расчета искусственного портфеля, необходимого для метода Монте-Карло, были взяты статистические данные о поквартальных ценах закрытия 11 российских компаний, котирующихся в Российской Торговой Системе и на Московской межбанковской валютной бирже, за период 2007-2008 гг. (см. Приложение 1, табл. 1) [3]. Выборка акций проводилась таким образом, чтобы их доходности имели по возможности отрицательную или незначительную положительную корреляцию, в целях диверсификации инвестиционных рисков. Минимизация риска достигается за счет включения в портфель акций различных отраслей, не связанных тесно между собой. Это позволяет проводить эффективную диверсификацию портфеля, существенно снижающую риск портфеля по сравнению с риском включенных в него акций. Учитывая вышесказанное, были отобраны акции 11 российских компаний, осуществляющих свою деятельность в разных отраслях экономики. Это акции компаний Газпром, Татнефть, Сургутнефтегаз, Роснефть, Газпромнефть, Лукойл, Ростелеком, МТС, Банк Москвы, РосБанк и ММК.
При формировании искусственного портфеля использовалась модель Ричарда Ролла для определения оптимальной структуры инвестиционного портфеля для заданного уровня ожидаемой доходности [3]. Была составлена программа в Excel для формирования портфеля из акций этих компаний с оптимальными инвестиционными пропорциями, и для заданных средних ожидаемых доходностей E(RJ рассчитаны инвестиционные пропорции соответствующих портфелей. Цены акций, котирующихся в РТС и ММВБ, были получены с официального сайта ЗАО «Московская межбанковская валютная биржа» [4].
Рассмотрим основные этапы расчетов, связанных с непосредственным применением положений модели Ричарда Ролла.
В первую очередь мы нашли вектор средних доходностей, элементы которого рассчитываются как средние значения доходностей за 7 периодов. Построили ковариационную матрицу V. При этом использовали функции из списка Excel в мастере функций — дисперсия и ковариация. Далее нашли обратную ковариационную матрицу V-1 при помощи функции МОБР. Затем в программу ввели Ru — матрица, первый столбец которой состоит из средних доходностей, а второй — это единичный вектор. Так как матрица Ru затем умножается на обратную ковариационную матрицу, а правило умножения матриц гласит: число столбцов первой матрицы — множителя должно быть равно числу строк второй. Поэтому матрицу Ru необходимо транспонировать, а затем умножить на обратную ковариационную матрицу V-1 . Далее была рассчитана информационная матрица A по формуле A = RU * V-1 * Ru) и ее обратная матрица A -1 с помощью функции МОБР. Затем было найдено произведение матриц V-1 * (Ru)* A -1 , посредством использования функции МУМНОЖ. После этого мы получили оптимальные инвестиционные пропорции для заданного уровня ожидаемой доходности. Так как в условиях кризиса добиться значительных размеров доходности невозможно, мы рассчитали три вектора инвестиционных пропорций исходя из следующих значений ожидаемой доходности: E(R1)=1%, E(R)=2%, E(R)=3%.
При формировании искусственного портфеля мы ориентировались на инвестиционные пропорции, соответствующие доходности в размере 2%.Данные пропорции мы учли при составлении искусственного портфеля следующим образом:
1) ценная бумага, получившая наибольшую положительную долю (а значит, имеющая наибольшую тенденцию к росту) в данном портфеле, занимает пропорционально большую долю в искусственном портфеле. В нашем случае это акции ОАО «Ростелеком». В смоделированном портфеле они занимают величину 0,73, следовательно, в искусственном портфеле это будет 40% от всех активов;
2) ценная бумага, получившая наибольшую отрицательную долю (а значит, имеющая наибольшую тенденцию к падению и рекомендованная для коротких продаж) в данном портфеле, занимает пропорционально наименьшую долю в искусственном портфеле. Самый плохой результат показали акции ОАО «Магнитогорский металлургический комбинат» (-0,40), и в них был вложен 1% от имеющехся активов;
3) все остальные бумаги, попавшие в границы от 0,73 до -0,40, были распределены в искусственном портфеле пропорционально своим значениям в смоделированном. (см. Приложение 1, табл. 3).
Получив начальные данные, мы провели поквартальные расчеты стоимости чистых активов искусственного портфеля (данные по СЧА клиентского портфеля 2075-ДУ были предоставлены инвестиционной компанией ОАО «СЭФТ-Капитал» (см. Приложение 1, табл. 2)) и затем рассчитаны показатели доходностей искусственного, рыночного и клиентского портфелей и безрискового актива ОФЗ-25058 (см. Приложение 2, табл. 1). В качестве рыночного портфеля был взят фондовый индекс РТС.
Затем были получены показатели дисперсии, стандартного отклонения и коэффициенты Шарпа для искусственного, рыночного и клиентского портфелей (см. Приложение 2, таблица 2), а также значения коэффициентов а (Дженсена) и Д ковариации норм дохода и доходность эталонного портфеля (см. Приложение 2, табл. 3).
Расчет поквартальной доходности указанных выше портфелей проводился по следующей формуле:
где R — доходность портфеля за период времени t;
Vt— стоимость портфеля на конец периода t;
Vbt — стоимость портфеля на начало периода t.
Результаты расчета показывают отрицательную динамику доходности всех портфелей за период 2007-2008 гг. Наименьший убыток в среднем за весь период (аг = -2,75%), как и за последний квартал 2008 года (Rp = - 2,13 %), показал искусственный портфель (Приложение 2, табл. 1) Это говорит о практической значимости модели Ричарда Ролла, так как
ТЕRRА ECONOMICUS ^ Экономичeский вестник Ростовского государственного университета 2009 Том 7 № 4
ТЕRRА ECONOMICUS ^ Экономичeский вестник Ростовского государственного университета ^ 2009 Том 7 № 4
именно с помощью этой модели были определены инвестиционные пропорции искусственного портфеля. Клиентский портфель ОАО «СЭФТ-Капитал» показал наибольший убыток (аг = -11,92% в среднем и Rc = -83,95 за 4 квартал 2008 года) (Приложение 2, табл. 1).
Далее была произведена оценка эффективности управления портфелем с помощью индекса Дженсена (Jensen differential performance index или что, тоже самое, апостериорная альфа — ар) по формуле (2).
где ар — апостериорная альфа;
аг — средняя доходность портфеля р; а — доходность эталонного портфеля.
Положительное значение величины а означает, что средняя доходность оцениваемого портфеля превосходила доходность эталонного портфеля, что свидетельствует о высокой эффективности управления инвестиционным портфелем. Отрицательное значение а показывает, что средняя доходность оцениваемого портфеля была ниже доходности эталонного, что позволяет сделать вывод о неэффективном управлении портфелем. Доходность эталонного портфеля (агЬр ) определяется на основе апостериорной БМЬ.
Апостериорная $МЬ представляет собой уравнение прямой, проходящей через точки (0, аг^.) и (1, агМ). Приведенное ниже уравнение используется для расчета доходности эталонного портфеля, с которой в дальнейшем сравнивается доходность оцениваемого портфеля по указанной выше формуле 2:
где агЬр — доходность эталонного портфеля; отг — средняя безрисковая доходность; агм — среднерыночная доходность; в — коэффициент «бета» оцениваемого портфеля.
Уравнение (3) называеся апостериорной бМь по той причине, что в основе его расчета находятся не ожидаемые, а прошлые значения доходностей портфелей. Значения средней безрисковой доходности и среднерыночной доходности находятся как простые среднеарифметические величины.
Доходность эталонного портфеля для искусственного, рассчитанная по формуле (3) путем подставления в-коэффициента искусственного портфеля, составляет агЬр ис== (-1,66%). Индекс Дженсена (апостериорная а), рассчитанный по формуле (2) для искусственного портфеля, составляет (-1,09%). Доходность эталонного портфеля для клиентского, рассчитанная путем подставления в-коэффициента клиентского портфеля в формулу (3), составляет агЬр кл = -14,66%. Индекс Дженсена для клиентского портфеля, составляет 2,74%. Таким образом, результаты исследования показывают, что управление клиентским портфелем оказалось эффективнее, чем искусственным (Аа = 2,74 — (-1,09) = 3,83%) почти на 4%. (см. Приложение 3, табл. 3)
Однако на фоне показателей средних доходностей по клиентскому и искусственному портфелям: -11,92 и -2,75 соответственно (Приложение 3, табл.1) и долям потерь по портфелям: -86% для клиентского и -25% для искусственного, возникает вопрос интерпретации данных.
Видимость противоречия может возникнуть по той причине, что показатель, характеризующий качество управления портфелем — коэффициент Дженсена, выше для клиентского портфеля, чем для искусственного, несмотря на то, что клиентский портфель характеризуется наибольшим уровнем риска и убытков. Это подтверждает то обстоятельство, что риск клиентского портфеля, измеряемый бетой и стандартным отклонением (в = 1,26 и а = 95,77)
г ~ -•г п г \г клиен клиент 1
в сравнении с искусственным (Ри^сст = 0,48 и аискусст = 38,81) очень велик. (Приложение 2, табл. 2, 3) В то же время, убыток по искусственному портфелю в 3,5 раза меньше, чем по клиентскому, благодаря использованию модели Ричарда Ролла, которая помогла правильно выбрать пропорции ценных бумаг, а также благодаря большей диверсификации портфеля.
В данной ситуации более высокое качество управления портфелем надо интерпретировать следующим образом. Менеджер, имея бумаги с таким высоким уровнем риска, мог бы иметь намного больше убытков, чем получил в реальной действительности. То есть, другими словами, за счет своего профессионализма ему удалось значительно сократить свои потери. Тогда как убытки по искусственному портфелю оказались выше, чем убытки по инвестициям с аналогичным уровнем риска. Поэтому можно сделать вывод, что качество управления клиентским портфелем выше эталонного, несмотря на рискованную стратегию, выбранную портфельным управляющим.
°-р = агр-агьр
(2)
arbp = arf + (arM - arf) x ep
(3)
Рискованность стратегии доверительного управляющего ИК «СЭФТ-Капитал» заключалась не только в рискованности торгуемых активов, но и в использовании в своей деятельности маржинальной торговли. Маржинальная торговля (сделки «с плечом») заключается в приобретении инвестором ценных бумаг на денежные средства, предоставленные брокером, или продаже ценных бумаг, предоставленных брокером. При покупке ценных бумаг «с плечом» инвестор оплачивает часть стоимости сделки собственными денежными средствами, а остальная сумма предоставляется брокером в заем. При продаже ценных бумаг (продажа «без покрытия», или «короткая» продажа) клиент занимает ценные бумаги у брокера и продает их на рынке, а затем погашает заем этими же ценными бумагами, приобретенными позднее. Таким образом, маржинальная торговля дает инвестору две возможности:
• использовать больший объем денежных средств, при покупке ценных бумаг (занимая денежные средства у брокера);
• получать прибыль при снижении рыночной цены акции (занимая ценные бумаги у брокера).
Но в период кризиса такая практика обернулась для многих инвестиционных компаний, в том числе и для «СЭФТ-Капитал», еще большими убытками, чем для инвесторов, вкладывающих в портфель лишь свои личные деньги. Так, на каждый рубль инвестора приходится
3 заемных рубля брокера. И если потери на 1 рубль брать за 10%, то вместе с заемными средствами инвестор теряет уже в четыре раза больше (40%).
При оценке управления портфелем финансовых активов помимо индекса Дженсена довольно часто используют коэффициент Шарпа. В отличие от предыдущего показателя оценки эффективности управления портфелем расчет коэффициента Шарпа основан на апостериорной рыночной линии — CML. Это означает, что он измеряет доходность относительно общего риска портфеля, где под общим риском понимается стандартное отклонение доходности портфеля. Коэффициент Шарпа для оцениваемого портфеля рассчитывается как отношение премии за риск от вложения в оцениваемый портфель к общему риску портфеля:
Коэффициент Шарпа представляет собой угол наклона CML и для эталонного портфеля рассчитывается следующим образом:
ПУ — ПУ
(5)
Если коэффициент оцениваемого портфеля больше эталонного, то это означает, что наш портфель оказался более рискованным, чем рыночный, и наоборот. В нашем случае значения коэффициентов Шарпа для искусственного и эталонного портфелей незначительно отличаются друг от друга (Ш = -0,23 > Ш = -0,26 и Ш = -0,19 > Ш = -0,26, соот-
пг J Г-1.Т J \ искусств ' эталон ' клиент ' эталон ' '
ветственно), что говорит о пропорциональном уровне рисков портфелей для полученных по ним доходностей. То есть для оцениваемой ситуации это соотношения средней доходности искусственного портфеля агик = -2,75 и риска аиск = 38,81 и средней доходности клиентского портфеля атт = -11,92 и риска аш = 95,77. Отрицательные значения коэффициентов Шарпа означают, что доходность безрискового актива выше, чем доходности анализируемых портфелей, что и показывает график (см. рис. 1).
Необходимо также отметить, что у коэффициента Шарпа есть один существенный недостаток. Он не делает различий между колебаниями стоимости активов вверх и вниз. Коэффициент Шарпа измеряет волатильность, а не риск. А это не обязательно одно и то же. С точки зрения меры риска, используемой в коэффициенте Шарпа, т. е. стандартного отклонения доходности, колебания вверх и вниз рассматриваются как в равной степени плохие. Таким образом, коэффициент Шарпа показывает в невыгодном свете управляющего, у которого периодически наблюдаются резкие увеличения стоимости активов, даже если бы падения стоимости активов были малы.
В заключение проведенного исследования следует отметить, что опыт компании ОАО «СЭФТ-Капитал» является подтверждением того, что большинство портфельных стратегий на российском фондовом рынке носило агрессивный характер, что способствовало его перегреву, на фоне возросшего числа спекулятивных операций с производными финансовыми инструментами. Риски многократно возросли и в связи с использованием маржинальной торговли многими профессиональными участниками. Поэтому в условиях высокой волатильности фондового рынка портфельным менеджерам следует использовать модель Р. Ролла для рационального определения инвестиционных пропорций портфеля, а также придерживаться более консервативной практике управления инвестиционным портфелем и использовать хеджирующие схемы.
ТЕRRА ECONOMICUS ^ Экономичeский вестник Ростовского государственного университета 2009 Том 7 № 4
ТЕRRА ECONOMICUS ^ Экономичeский вестник Ростовского государственного университета ^ 2009 Том 7 № 4
60.00
■100.00
Рис. 1. Динамика доходностей искусственного, рыночного, клиентского портфелей и безрисковой доходности
ЛИТЕРАТУРА
1. Денисов Д. С деньгами на выход // Бизнес-журнал. 2008. № 7.
2. Николаев И.А., Марченко Т.Е. Аналитический доклад. Фондовые рынки: пределы роста и глубина падения, Москва, ноябрь, 2008. (www.fbk.ru).
3. Dicogiannis G. Financial management: a modeling approach using spreadsheets.— McGraw-Hill Book Company International, 1998.
4. Официальный сайт Московской межбанковской валютной биржи (www.micex.ru).
Приложение 1
Исходные данные для проведения эконометрических расчетов
Таблица 1
Поквартальные цены закрытия наиболее ликвидных акций 2007-2008 гг., руб.
(источник: ФБ ММВБ)
№ Эмитент Поквартальные цены закрытия наиболее ликвидных акций, руб.
2007 год 2008 год
1 кв. 2 кв. 3 кв. 4 кв. 1 кв. 2 кв. 3 кв. 4 кв.
1 Газпром 270,5 267,74 274,2 342,88 297,61 341 198 107,58
2 Татнефть 121,93 118 138,82 148 152,4 176,26 90,45 55,36
3 Сургутнефтегаз 32,7 27,9 33,9 29,5 22,03 25,9 13,44 16,39
4 Ростелеком 223,6 244,57 262,7 288,62 287 284,3 183 259,41
5 Роснефть 216,2 204,79 213,12 231,7 211,21 272,6 171,39 110,74
6 МТС 254,36 255 287,5 377,5 300,45 273,21 223,6 111,47
7 Лукойл 2239 1969 2081,8 2067,1 1999,99 2323 1520 957,12
8 ММК 27,3 26,05 28,8 31,5 29 31,65 14,4 5,72
9 Газпромнефть 108,31 104,28 104,3 153 132,3 187,98 109,9 62,22
10 Банк Москвы 1410 1490,5 1197,52 1328 1214 1090,01 792,25 705,29
11 РосБанк 167,2 193,66 175,9 179,69 188,25 161,98 75,2 93,9
Таблица 2
Поквартальные значения индекса РТС, доходности 0ФЗ-25058 и СЧА клиентского
портфеля №2075-ДУ
2007 год 2008 год
1 кв. 2 кв. 3 кв. 4 кв. 1 кв. 2 кв. 3 кв. 4 кв.
Значения индекса РТС 1914,47 1896,1 2026,29 2290,51 2053,93 2303,34 1211,84 658,45
Доходность 0ФЗ-25058, % 5,36 5,74 5,47 5,4 5,59 6,81 10,02
СЧА 2075-ДУ, РУб. 500000,00 429400,78 430286,97 501620,31 414264,14 584036,88 433762,70 69609,13
Поквартальные расчеты стоимости чистых активов искусственного портфеля, руб.
№ Эмитент Цена на нач. пер. Уд. вес в портф. Кол-во акц. в портф. СА на нач. пер, руб. СА на конец 2 кв. 2007 СА на конец 3 кв. 2007 СА на конец 4 кв. 2007 СА на конец 1 кв. 2008 СА на конец 2 кв. 2008 СА на конец 3 кв. 2008 СА на конец 4 кв. 2008
1 Газпром 270,5 2,98% 55 14877,5 14725,7 15081 18858,4 16368,55 18755 10890 5916,9
2 Татнефть 121,93 6,10% 250 30482,5 29500 34705 37000 38100 44065 22612,5 13840
3 Сургутнефтегаз 32,7 4,07% 622 20339,4 17353,8 21085,8 18349 13702,66 16109,8 8359,68 10194,58
4 Ростелеком 223,6 40,02% 895 200122 218890,15 235116,5 258314,9 256865 254448,5 163785 232171,95
5 Роснефть 216,2 10,07% 233 50374,6 47716,07 49656,96 53986,1 49211,93 63515,8 39933,87 25802,42
6 МТС 254,36 10,07% 198 50363,28 50490 56925 74745 59489,1 54095,58 44272,8 22071,06
7 Лукойл 2239 11,64% 26 58214 51194 54126,8 53744,6 51999,74 60398 39520 24885,12
8 ММК 27,3 0,98% 180 4914 4689 5184 5670 5220 5697 2592 1029,6
9 Газпромнефть 108,31 5,00% 231 25019,61 24088,68 24093,3 35343 30561,3 43423,38 25386,9 14372,82
10 Банк Москвы 1410 7,05% 25 35250 37262,5 29938 33200 30350 27250,25 19806,25 17632,25
11 РосБанк 167,2 2,01% 60 10032 11619,6 10554 10781,4 11295 9718,8 4512 5634
Итого 100,00% 499988,89 507529,5 536466,36 599992,4 563163,28 597477,11 381671 373550,7
ТЕ1ЭДАЕС01\ЮМ1С115 <5* Экономический вестник Ростовского государственного университета -Ф- 2009 Том 7 №4
^1
СЛ
ОЦЕНКА ЭФФЕКТИВНОСТИ УПРАВЛЕНИЯ ПОРТФЕЛЕМ В УСЛОВИЯХ...
ТЕRRА ECONOMICUS ^ Экономичeский вестник Ростовского государственного университета ^ 2009 Том 7 № 4
Приложение 2
Основные результаты эконометрических расчетов
Таблица 1
Показатели доходностей искусственного, рыночного, клиентского портфелей и безрискового актива 0ФЗ-25058
Период Доходность, %
Кр (искусств. портфель) 1^ (ОФЗ- 25058) 1Кт (рыночный портфель) 1Кс (клиентский портфель)
2 кв. 2007 1,51 5,36 -0,96 -14,11
3 кв. 2007 5,70 5,74 6,87 0,21
4 кв. 2007 11,84 5,47 13,04 16,58
1 кв. 2008 -6,14 5,4 -10,33 -17,41
2 кв. 2008 6,09 5,59 12,14 40,98
3 кв. 2008 -36,12 6,81 -47,39 -25,73
4 кв. 2008 -2,13 10,02 -45,67 -83,95
Среднее значение доходности портфелей -2,75 6,34 -10,33 -11,92
Таблица 2
Показатели дисперсии, стандартного отклонения и коэффициента Шарпа для искусственного, рыночного и клиентского портфелей
Дисперсия (а2 ) Стандарт. отклонение (а ) Коэффициент Шарпа
Рр (искусственный портфель) 1506,07 38,81 -0,23
Рш (рыночный портфель) 4056,55 63,69 -0,26
Ре (клиентский портфель) 9172,19 95,77 -0,19
Таблица 3
Показатели ковариации норм дохода, коэффициентов а (Дженсена) и в и доходности эталонного портфеля
о рт 1939,57
о ст 5099,82
р г искусств 0,48
в г клиент 1,26
а искусст -1,09
а клиент 2,74
