By this author

THE NON-PARAMETRIC DATA ENVELOPMENT ANALYSIS METHOD FOR PORTFOLIO DESIGN IN THE RUSSIAN BOND MARKET

Issue 3 from 01.07.2017

В статье впервые производится построение и тестирование портфелей на рынке облигаций с  применением непараметрического метода оболочечного анализа (Data Envelopment Analysis, DEA). С помощью DEA строится интегральная оценка и ранжирование по оптимальности (эффективности) обращающихся на рынке выпусков облигаций российских компаний с точки зрения частного инвестора. Оригинальный алгоритм построения оптимального портфеля облигаций строится на двух аналитических процедурах: сначала выявляются детерминанты доходности к погашению рублевых корпоративных облигаций (КО) для диверсифицированной выборки компаний реального сектора на отрезке с 2008 по 2015 г., а затем на выборке обращающихся облигаций применяется метод DEA для формирования оптимального пакета облигаций в портфеле. На заключительном этапе для периода 2014–2015 гг. тестируется инвестиционная стратегия портфельного построения из тех рублевых корпоративных облигаций, которые оказались на границе эффективности. Для выявления детерминант доходности КО российского рынка эконометрическими методами анализируется совокупность макроэкономических и корпоративных (финансовых и нефинансовых) факторов, характеристик выпуска. При этом впервые для российского рынка рассматриваются не только текущие, но и ожидаемые значения инфляции, темпа роста ВВП, индикаторов риска (как прокси-показатель – индекс волатильности RTS (VIX)). При выявлении оптимальных (достигших границы эффективности) выпусков облигаций учитывается совокупность разноплановых факторов: доходность к погашению, дюрация, ликвидность выпуска, показатели кредитного риска эмитента. Подтвердились гипотезы нашего исследования о том, что на уровень доходности к погашению значимо влияет размер выручки компании-эмитента, признак включения выпуска облигаций в Ломбардный список Банка России, доля участия государства в собственном капитале эмитента, показатели долговой нагрузки эмитента, уровень текущей и ожидаемой инфляции. Границы эффективности (оптимальности) достигли преимущественно займы крупных компаний с государственным участием в собственном капитале. Гипотезы нашего исследования о том, что инвестиции в выпуски облигаций на границе эффективности могут опередить облигационные индексы-бенчмарки по доходности и отношению «доходность / волатильность», подтвердились частично, для периода 2014 г., характеризующегося снижением цен на рублевые облигации.

896 4

CONSTRUCTION OF A HEDGE RATIO FOR MARKETABLE RUSSIAN STOCKS BASED ON GARCH CLASS MODELS

Issue 1 from 01.01.2014

В работе предложен оригинальный метод построения стратегии динамического хеджирования инвестиций в акции, основанный на многомерных GARCH-моделях, позволяющий оценить коэффициенты хеджа по фьючерсам на рассматриваемые акции (работоспособность метода продемонстрирована для акций российских компаний). Метод обеспечивает расчет динамических коэффициентов хеджирования вместо фиксированных коэффициентов, получаемых традиционным методом наименьших квадратов. В работе показано, что: 1) именно динамика фьючерсного рынка влияет на поведение цен акций российского рынка; 2) в условной корреляции доходности для всех пар “акция – фьючерс” отсутствует асимметрия; 3) в условной волатильности доходности рассматриваемых рынков имеет место асимметрия; 4) модели класса GARCH позволяют разработать метод расчета коэффициентов хеджирования для построения портфеля с лучшими характеристиками “риск – доходность”.

844 1

DCC-GARCH-model for identifying long-term and short-term effects of financial contagion in response to the credit rating updates

Issue 1 from 29.03.2021

Аннотация. В статье сопоставляется влияние двух видов информации (о потенциальном и фактическом изменениях суверенного кредитного рейтинга) на эффекты заражения на финансовых ранках развивающихся стран Азиатского региона (9 стран). В работе анализируются как долгосрочные, так и однодневные трансграничные реакции рынков. Временной горизонт выборки — с 2000 по 2020 г. Показаны преимущества модели DCC-GARCH для адекватного учета особенностей поведения финансовых данных. Мы обнаружили, что влияние рейтингов и прогнозов сильнее выражено в долгосрочной перспективе, чем в краткосрочной. Были определены пары стран, фондовые рынки которых оказались наиболее чувствительными к информации об изменении суверенных рейтингов. Тайвань является важным ориентиром для инвесторов в Азиатском регионе. Снижение его суверенного рейтинга является сигналом к общему ухудшению инвестиционной среды в регионе и в первую очередь имеет негативный эффект на страны с самыми слабыми кредитными рейтингами: Индонезия, Филиппины и Индия. Экстраполяция явно выражена по паре Китай – Гонконг в обе стороны. Кроме того, были охарактеризованы особенности трансмиссионных процессов с положительными и отрицательными эффектами. Мы обнаружили, что в случае отрицательного эффекта заражения, когда наблюдается экстраполяция реакций на потенциальное или фактическое ухудшение кредитного качества страны за ее пределы, инвесторы склоны смещать силу реакции в сторону одного из факторов заражения: рейтинг или прогноз. В случае положительного эффекта заражения, когда потенциальное или фактическое улучшения кредитного качества страны воспринимается как сигнал к улучшению ситуации в другой стране, сила влияния информации об изменении рейтинга и прогноза имеет положительную зависимость: при более сильном (слабом) влиянии рейтинга наблюдается и более сильное (слабое) влияние прогноза.

1275 24

Option hedging of stock indices: Benefits of signals of fundamental and technical analysis

Issue 2 from 25.06.2021

Работа посвящена выявлению страновых особенностей в хеджирующих стратегиях для фондовых индексов. Предложена авторская методика оптимизации параметров хеджирования (точек входа и выхода, тип опционной стратегии) на базе синтеза показателей технического (ТА) и фундаментального анализа (ФА). Страновые различия продемонстрированы для 20 фондовых индексов на периоде с 1980 по 2020 г. Методология исследования — оптимизация параметров хеджирующих стратегий по каждой стране на обучающей выборке с последующей проверкой на тестовой выборке. Максимизируется коэффициент Шарпа (КШ). Оригинальность работы состоит в модельных построениях для отсутствующих рядов данных (фьючерсов на индекс и опционов пут) и тестировании как на исторических, так и симулированных данных при двух различных предпосылках о поведении цены базового актива — модели случайного блуждания и марковских переключений режимов волатильности. По каждому страновому индексу перебирается свыше 18 000 комбинаций параметров. Исследование показало, что именно сочетание ФА и ТА дает лучший результат хеджирования опционами. Выявлены страновые особенности в предпочтении показателей ФА и ТА, а также в использовании опционных стратегий. Гипотеза случайного блуждания получила дополнительную поддержку для рынка США. В ситуации коронакризиса предлагаемая методика позволяет эффективно захеджировать риски просадки.

1376 19