Поиск по сайту:
Гость
Редакционная политика

«Умная бета»: альтернативное взвешивание инвестиционного портфеля

26.11.2013 12:59 - Editor - Инвестирование

Существуют ли более эффективные способы формирования индексов и пассивных портфелей, чем стандартный подход взвешивания по рыночной капитализации? Уолл-стрит, конечно, хочет, чтобы вы думали, будто существуют, поскольку они создали ослепительное многообразие альтернативных подходов.

Используя данные по 1000 крупнейших акций за период 1968-2011 г.г., Эндрю Клэр (Andrew Clare), Ник Мотсон (Nick Motson) и Стив Томас (Steve Thomas), авторы исследования «Оценка альтернативных фондовых индексов» (An Evaluation of Alternative Equity Indices), сравнили и сопоставили результаты множества альтернативных подходов к индексированию. Изученные альтернативы можно приблизительно разделить на две группы.

Первая группа использует набор весовых методов, которые можно описать как эвристические. Второй набор основан на техниках оптимизации - требующих максимизации или минимизации некоторой математической функции от набора ограничений для получения весов компонентов.

Для первой группы они рассмотрели пять различных систем взвешивания, каждая из которых направлена ​​на снижение различных рисков концентрации, которые могут возникнуть в результате прямого взвешивания по рыночной капитализации:

Равные веса (Equal Weights). Наряду с уменьшением рисков концентрации эта система дает более высокие веса меньшим по капитализации акциям, возможно с меньшей ликвидностью и более дорогостоящими для торговли, чем подход взвешивания по рыночной капитализации.

Несхожие веса (Diversity Weights). Хотя компоненты равновзвешенного фондового индекса избегают проблем концентрации, которые возникают при использовании взвешивания по рыночной капитализации, система имеет потенциал усиления позиций менее ликвидных акций (в зависимости от рассматриваемой вселенной акций). Подход с несхожими весами решает эту проблему установкой максимума на рыночную стоимость отдельной акции в индексе, взвешенном по рыночной капитализации, и перераспределение веса крупнейших акций, которые выше этого потолка, поровну между оставшимися компонентами индекса.

Обратная волатильность (Inverse Volatility). Низко-волатильные акции обгоняют высоко-волатильные акции по приведенным к риску результатам. Для создания низко-волатильного индекса, авторы оценили стандартное отклонение доходности каждой акции в рассматриваемой вселенной, используя месячные данные за пять лет, и установили больший вес акциям с наименьшей волатильностью, и меньший вес – акциям с наибольшей волатильностью.

Взвешивание по равному риску (Equal-Risk Contribution Weights).
Измерение волатильности и корреляций прошлой доходности акций, чтобы выбрать такие веса, когда вклад каждой акции и риск всего портфеля одинаков.

Веса, сгруппированные по риску (Risk-Clustering Weights). Этот метод распознает сектора (например, финансовые и промышленные) и размещает их в группах, которые действуют аналогично. Сначала определяются равные веса секторов внутри групп, затем равные веса групп.


Авторы также рассмотрели три стратегии оптимизации: с минимальной дисперсией, с самым высоким коэффициентом Шарпа (высокая приведенная к риску доходность) и риск-эффективные (с учетом не просто волатильности, а волатильности на падениях рынка).

Ниже приводятся их выводы:
- Подход взвешивания по рыночной капитализации показал самую маленькую доходность 9,4%. Самая высокая доходность была достигнута с подходом, использующим обратную волатильность, и риск-эффективным подходом, которые в годовом исчислении заработали 11,4% и 11,5%, соответственно.

- На протяжении всего периода индекс с равными весами показывал самую высокую волатильность (17,2%), что не удивительно, поскольку у него самая высокая доля небольших, а значит более волатильных акций. Индекс, который показал самую низкую волатильность, безусловно, был индексом портфеля с минимальной дисперсией (11,2 %), что также не удивительно, поскольку он разработан именно для этого. Волатильность результатов оставшихся индексов находится в интервале 13,9% - 16,7%. Волатильность индекса, взвешенного по рыночной капитализации, относительно других индексов была ни высокой, ни низкой.

- Поскольку инвесторы беспокоятся не только о доходности, самый низкий коэффициент Шарпа был получен при использовании взвешивания по рыночной капитализации. Самый высокий при использовании подхода с минимальной дисперсией, который получил наибольшую прибыль из-за его контакта с такими факторами, как размер (size), недооценка (value) и импульс (momentum). Однако при использовании лишь двух методов индексации – обратной волатильности и равного риска – были получены коэффициенты Шарпа, значительно отличавшиеся от остальных, со степенью надежности 95%.

- Все альтернативные индексы генерируют положительную альфу по отношению к индексу, взвешенному по рыночной капитализации.

- Хотя альтернативные индексы имеют более высокий оборот, чем индекс, взвешенный по рыночной капитализации, маловероятно, что торговые издержки устранят их преимущества.


Самые важные выводы авторов:


1. Результаты показывают, что разница доходностей между индексом, взвешенным по рыночной капитализации, и альтернативными индексами была функцией, смещенной в сторону акций небольших компаний и недооцененных(value) акций.

2. Случайный выбор весовых компонентов, основанный на моделировании по методу Монте-Карло (10 млн. имитаций) – использование весов, которые могли быть выбраны обезьянами – также показал лучшие приведенные к риску результаты, чем метод взвешивания по рыночной капитализации.


Суть в том, что если вы хотите обогнать рынок с диверсифицированным портфелем, лучшим способом сделать это может быть увеличение контакта с общими факторами, которые, как мы знаем, объясняют доходность: ​​размер (size), недооценка (value), импульс (momentum) и, в последнее время, прибыльность (profitability).


Автор: Larry Swedroe
Источник: Smart Beta Equals Factor Tilts
Понравилась статья? Перепост приветствуется!

Ваш комментарий:

Комментарии (последние вверху):

X

Вход

Email:
Password:
 

Восстановить пароль

Email: