Научный журнал

Вестник Алтайской академии экономики и права

Print ISSN 1818-4057

Online ISSN 2226-3977

Перечень ВАК

• Авторы
• Резюме
• Файлы
• Ключевые слова
• Литература

Мамий Е.А. 1 Макарова Н.В. 1

---

1 Кубанский государственный университет

Современными тенденциями развития фондовых рынков являются постоянное увеличение их капитальных объемов, рост вовлеченности физических лиц в инвестиционные процессы, появление новых финансовых инструментов. Это меняет подходы к анализу финансовых активов и к управлению инвестиционным портфелем. В новых условиях турбулентности актуально использование дополнительных показателей прогнозных оценок: «расстояния до дефолта» и интервалов ROA. Новые технологии способствовали развитию роботизации и специализированных сервисов на финансовом рынке, тем не менее, инвестору необходимы навыки применения методов автоматизации. Автоматизация ряда процессов в портфельном инвестировании не только позволяет аналитику добиться оперативности, оптимизации, управляемости портфеля ценных бумаг, но и осуществлять контроль за эффективностью работы алгоритмов и роботов, а также своевременно корректировать сбалансированность своих портфелей.

Статья в формате PDF

478 KB

портфельные инвестиции

автоматизация

анализ

волатильность

ребалансировка

финансовый рынок

портфель ценных бумаг

1. Коттл С. Анализ ценных бумаг Грэма и Додда. М.: Издательство Олимп-Бизнес, 2000. 704 с.

2. Dreiser T. The Financier. 1912. Harper, 1912. 704 p.

3. Льюис М. Flash Boys. Высокочастотная революция на Уолл-стрит. М.: Издательство «Альпина Диджитал», 2014. 352 с.

4. Lewis M. Liar’s Poker: Rising through the Wreckage on Wall Street. New York: W.W. Norton, 1989. 360 p.

5. Кондря А.Р., Вылегжанина Е.В. Бенчмаркинг финансовых показателей // Аллея Науки. 2018. №11(27). C. 240-249.

6. Значение коэффициента P/E Ratio [Электронный ресурс]. URL: //https://bankiros.ru/wiki/term/znacenie-koefficienta-pe-ratio (дата обращения: 27.04.2022).

7. Богл К.Д. Руководство разумного инвестора. Надежный способ получения прибыли на фондовом рынке. М.: Издательство Манн, Иванов и Фербер, 2013. 224 с.

8. Морфологический анализатор pymorphy2: официальный сайт [Электронный ресурс]. URL: https://pymorphy2.readthedocs.io/en/stable/ (дата обращения: 25.04.2022).

9 Selenium with Python: официальный сайт [Электронный ресурс]. URL: https://selenium-python.readthedocs.io/ (дата обращения: 18.03.2022).

10 Библиотека обработки биржевых котировок Yfinance 0.1.59: официальный сайт [Электронный ресурс]. URL: https://pypi.org/project/yfinance/ (дата обращения: 15.04.2021).

11 Коэффициент free-float (доля ценных бумаг в свободном обращении) по состоянию на 25.04.2021: официальный сайт [Электронный ресурс]. URL: https://www.moex.com/ru/listing/free-float.aspx (дата обращения: 25.04.2021).

12. Агрегатор информации об облигационном рынке RusBonds: официальный сайт [Электронный ресурс]. URL: http://rusbonds.ru/ (дата обращения: 01.04.2021).

13. Значения кривой бескупонной доходности государственных облигаций (% годовых): официальный сайт [Электронный ресурс]. URL: https://www.cbr.ru/hd_base/zcyc_params/ (дата обращения: 14.05.2021).

14. FinQuant Documentation, Docplayer: официальный сайт [Электронный ресурс]. URL: https://docplayer.net/183275785-Finquant-documentation.html (дата обращения: 28.01.2022).

15. Берзон Н.И., Дорошин Д.И. Особенности применения показателей эффективности финансовых инвестиций // Финансы и кредит. 2012. № 14(494). С. 21-33.

16. Выгодчикова И.Ю. Управление волатильностью инвестиционного портфеля с учетом риска потери капитала на основе интервальных данных // Управление финансовыми рисками. 2022. № 1. С. 30-43. DOI 10.36627/2221-7541-2022-1-1-30-43.

17. Скребнев М.В., Мамий Е.А., Макарова Н.В. Анализ взаимосвязи изменения стоимости акций и динамики интернет запросов // Галактика науки – 2021: материалы Всероссийской (национальной) научно-практической конференции, Краснодар, 14–17 апреля 2021 года. Краснодар: Кубанский государственный университет, 2021. С. 205-209.

Введение

Инвестиционный процесс невозможен без финансового анализа, «переводящего ожидания на язык цифр» [1] и позволяющего получать краткосрочные и долгосрочные прогнозы различных экономических параметров, которые предопределяют состояние рынков. Финансовые рынки, которые в начале своего исторического становления представляли собой «полный хаос, переходящий к состоянию, отдаленно напоминавшему порядок» [2], сегодня, с развитием систем инсайдерской и высокочастотной торговли, можно описать словами М. Льюиса, известного журналиста и трейдера Salomon Brothers: «За последнее десятилетие они менялись с такой скоростью, что наше представление о них уже не соответствует действительности» [3].

Такими же быстрыми темпами классические методы финансового анализа, сформулированные Б. Грэмом, У.Ф. Шарпом, Д.В. Бейли, Г.Д. Александером, Г.М. Марковицем и др., дополняются новыми моделями, анализом информационных потоков, техническим анализом с использованием методов «Big Data». Роботизация, расширение маркетплейсов, специализированных сервисов, например, Investing, Morningstar и Seekingalpha, с одной стороны существенно упрощают процессы формирования и управления инвестиционным портфелем, но с другой – не в полной мере соответствуют всем функциональным задачам аналитика и несут в себе дополнительные риски. Утверждение У. Баффетта, что «любой игрок, не знающий, кто на рынке несет убытки, скорее всего понесет их сам» [4], подтверждает необходимость качественного анализа для принятия инвестиционных решений.

Цель исследования – поиск направлений совершенствования инструментария управления риском и доходностью портфельных инвестиций на основе автоматизации.

Материал и методы исследования

Работа выполнена с использованием материалов исследований отечественных и зарубежных авторов, а также статистических данных.

Основными методами исследования являются методы фундаментального анализа, на практике реализующиеся в двух подходах: «сверху вниз» и «снизу вверх». Первый представляет собой модель анализа, при которой инвестор изначально анализирует макроэкономическую ситуация, внутренний и внешний фон, затем проводит анализ конкретной отрасли, предприятия и ценной бумаги. Анализ «снизу вверх» начинается с микроэкономического уровня, переходя к макроэкономическим прогнозам и проверке их соответствия. Принятие инвестиционных решений базируется на применении методов сравнительного анализа. Практическая реализация методов исследования осуществлена с использованием приемов математической статистики и математического и графического инструментария Excel и Python 3 matplotlib.

Результаты исследования и их обсуждение

Для оценки инвестиционной привлекательности активов на основе анализа финансового состояния эмитента могут быть использованы общепринятые коэффициенты и методы [5], которые целесообразно дополнить оценкой по KVM модели, анализом ICR и долговой нагрузки, а также прогнозированием интервалов ROA.

Используя KVM-модель можно оценить «расстояние» до дефолта (1):

(1)

где df – расстояние до дефолта;

E(VT) – мат.ожидание рыночной капитализации;

d – краткосрочные + ½ долгосрочных долговых обязательств;

δV – стандартное отклонение рыночной капитализации.

KMV-модель может быть использована как для публичных, так и для непубличных компаний. Полученное значение коэффициента необходимо сравнить с бенчмарком, либо изучать в динамике.

Способность компании платить по долгам зависит от EBIT (прибыли до вычета процентов, налогов), а показатель ICR (2) (Interest coverage ratio) говорит об эффективности деятельности компании в зависимости от способности генерировать приемлемую для собственников доходность:

(2)

Однако инвестор должен учитывать, что близость показателя ICR к единице не дает оснований полагать, что компания находится в критическом состоянии. Напротив, такой показатель может свидетельствовать о наличии займов, средства от которых направлены во внеоборотные активы, либо в иные активы, которые не были реализованы или использованы по назначению.

Имея информацию о стоимости заемных средств, аналитик может оценить перспективы компании исходя из способности генерировать прибыль по средней ROA при текущих соотношениях заемного и собственного капитала. Если покрытие EBIT при средней ROA недостаточно, компания рискует стать неплатежеспособной, либо теряет значительную часть потенциально возможной прибыли.

С помощью Excel можно рассчитать доверительные интервалы потенциальных значений ROA (3):

ROAmaxm in = E(ROA) х (1+f(p;E(ROA); std.dev(ROA) х 2)) (3)

где E(ROA) – мат. Ожидания ROA;

f(p;E(ROA);std.dev(ROA)х2) – функция нормального распределения.

Применение этого показателя позволит аналитику с определенной вероятностью сделать вывод о верхней и нижней границах значения ROA компании. Исходя из этого, можно рассчитать величину потенциально возможной чистой прибыли компании, а затем, зная ROA для будущих периодов и дивидендную политику, рассчитать стоимость акций без учета потенциала роста.

Наряду с рассмотренными показателями, считаем целесообразным включение в анализ коэффициента P/E ratio, отношение цены акции к доходу на акцию [6], что позволяет определить привлекательность ценной бумаги с точки зрения временного инвестирования без учета роста стоимости акций в будущем. С его помощью можно определить горизонт окупаемости инвестиционного вложения, динамика показателя свидетельствует об укреплении или ослаблении доверия инвесторов [7].

Учитывая, что сегодня на фондовом рынке можно найти более 70 тысяч ценных бумаг публичных компаний, проводить анализ такого количества данных «вручную» нерационально, что требует автоматизации процесса.

Рассмотрим алгоритм работы с портфельными инвестициями с использованием средств автоматизации.

На первом этапе следует определить перечень ценных бумаг. Тикеры («код инструмента») акций российских компаний можно выгрузить из терминала «quik», доступ к которому можно получить на бесплатной основе при открытии брокерского счета. Затем данные по тикерам сводятся в массив, а аналитик формирует пул задач.

С целью формирования исходных данных из отчетности российских компаний необходим их ИНН для «идентификации» компании, узнать который возможно через запрос по тикеру на сайт Московской Биржи. Веб- страница с информацией об акции конкретной компании формируется по структуре в адресной строке, где code=ТИКЕР. При этом, при замене последних букв в конце адресной строки, условно, на тикеры ABRD, AFLT и т.д., осуществляется переход со страницы одной компании на страницу другой. В качестве надстройки рекомендуем использовать библиотеку selenium [9]. Ссылка на отчётность находится в div классе с id – ReportHistory. На самой странице расположены отчеты компаний, в которых и указан ИНН.

На следующем шаге осуществляется выгрузка финансовых показателей компаний: данных по количеству акций в обращении для расчета капитализации, и финансовых показателей отчетности за необходимое аналитику количество лет. Кроме того, производится формирование данных о стоимости ценных бумаг на конкретные даты, для чего рекомендуем использовать библиотеку yahoofinance [10]. При недостаточности данных отчетности по РСБУ, для проведения анализа можно получить информацию с сайта yahoo из отчетности по МСФО российских эмитентов. Отметим, что при этом необходим пересчет в рубли, для чего используется валютная пара USD/RUB на отчетную дату для каждого года и триггер определения валюты отчетности.

На основе данных отчетности производится расчет финансовых показателей. Для примера используем: Cap/Balance – капитализация к балансу, Cap/Eqcap – капитализация к собственному капиталу, EBIT, ICR – коэффициент покрытия процентов, PE_ratio – коэффициент цена/прибыль, ROA – рентабельность активов и CAGR – среднегодовые темпы прироста.

Далее происходит формирование портфеля. С помощью заданных критериев по конкретным показателям можно отобрать приемлемые для инвестирования компании.

Для иллюстрации методики приведем практический пример, для чего отберем 18 акций перспективных компаний (за исключением финансовых и страховых) и по данным отчетности эмитентов определим показатели для решения оптимизационной задачи формирования инвестиционного портфеля по Марковицу (табл. 1).

Составим таблицу со стоимостью ценных бумаг на первый рабочий день месяца, при этом в отборе аналитик исходит из определенных критериев. Так, например, можно выбрать ценные бумаги, удовлетворяющие условиям:

- не более 3 среднегодовых снижения за 7 лет;

- не более 1 среднегодового снижения за 3 года;

- темп прироста за последний период не более 50%.

С учетом этого, исключаем из сформированного перечня (табл.1) пять акции, не проходящих по критериям, и добавляем из общего списка те, что проходят. В результате получен портфель со следующей структурой (рис. 1).

Таблица 1

Расчетные показатели компаний, используемые для отбора

Рис. 1. Структура сформированного портфеля

Портфель был сформирован без учета количества ценных бумаг в лотах и объема средств конкретного инвестора. Однако эти параметры должны быть учтены для формирования портфеля под конкретную сумму и минимизацией риска при заданной доходности. Допустим, что в 2014 году инвестор располагал 1 млн. руб., и сравним портфель с IMOEX и SP500 (рис. 2).

Корреляция между направленностью ежедневных темпов прироста составленного портфеля и индекса Московской биржи составляет 97,6%. Для перспективного анализа в целях управления портфелем, можно составить прогноз IMOEX используя метод регрессионного анализа. Аналогичный подход был использован для облигационного портфеля (табл. 2), без включения в него высокорейтинговых выпусков облигаций.

Алгоритмы позволяют отслеживать новые выпуски, доходности, статистику по России и ранжировать эмитентов [12].

Рис. 2. Графики портфеля и Индекса Московской Биржи с апреля 2014 по апрель 2021 года

Таблица 2

Размещения облигаций за апрель 2021 года

Для анализа рыночной доходности был использован R-Navigator, на графике отметки доходности облигаций 2-го эшелона располагались выше кривой ОФЗ.

Ниже (рис. 3) приведены данные по кривой бескупонного дохода для построения G-спредов, т.е. разницы между доходностью ОФЗ и конкретной корпоративной облигации [13]. Ориентир оценки корпоративного рынка – индекс RUCBICP. В зависимости от тренда и разницы между индексом и SMA360 принимаются решения о сроках и сумме инвестиций.

Общий смысл выводов по результатам анализа инвестиций в облигации строится на анализе тренда ДКП, при нисходящем – выгодно покупать среднесрочные облигации, в условиях низкой и повышающейся ставки – краткосрочные, а при восходящем тренде и на пике – долгосрочные.

Для работы с портфелем можно использовать библиотеку finquant [14]. Она уже включает в себя множество методов оценки портфеля и не требуется дополнительных затрат времени на написание аналогичных алгоритмов. Результатом анализа будут показатели, включающие ожидаемую доходность портфеля, волатильность, коэффициент Шарпа, а также асимметрию и эксцесс.

Экономический смысл коэффициента асимметрии в том, что при положительном значении (правосторонняя асимметрия) самые высокие доходы являются более вероятными, чем самые низкие. При отрицательном же значении (левосторонняя асимметрия) наоборот.

Рис. 3. Индекс корпоративных облигаций и скользящие средние за 90, 180 и 360 дней [13]

Рис. 4. Сравнение портфелей (результат работы алгоритма, составлен при помощи библиотеки finquant)

Смысл эксцесса можно кратко описать следующим образом: если два актива имеют одинаковые симметричные распределения доходности и одинаковые средние, менее рискованным считается актив с большей величиной эксцесса [15, С. 27]. Коэффициент эксцесса нормального распределения равен нулю.

Аналитику следует оценить волатильность, график волатильности можно использовать для ребалансировки портфеля [16], в случае если речь идет о ребалансировке долгосрочной стратегии, её следует проводить за счет дополнительных вложений.

Для оптимизации портфеля можно использовать метод Монте Карло.

В качестве примера рассмотрим портфель, предложенный одним из роботов-советников, с суммой в 100 тысяч рублей и попробуем пересобрать его. На рисунке 4 представлено сравнение несбаласированного портфеля (черный треугольник) и оптимизированных аналогов (красный и зеленый треугольники).

Проведем ребалансировку по полученным данным (табл. 3). Для этого будем использовать доли инструментов в портфеле и пересчитаем их исходя из заданной суммы, в итоге мы должны получить оптимальное количество ценных бумаг. Так, в неоптимизированном портфеле совпадает только количество акций MGTS, акции X Five Group нужно полностью продать, долю акций Московской Биржи сократить.

Проведем сравнение сбалансированного портфеля с портфелем робота-советника (рис. 5).

Как видно на графике, предложенная ребалансировка эффективна.

Заключение

Под влиянием научно-технического прогресса изменяется и инвестиционный рынок, и методики анализа финансовых активов [17].

Инвестор может использовать любой наиболее приемлемый для него подход к инвестированию, портфель роста может быть заменен на портфель стоимости, но в эпоху низких дивидендных доходностей данный портфель может сильно уступать по доходность портфелю роста, смешанному портфелю роста и доходности. Безусловно, в ближайшие годы влияние робототехники на общество будет существенно, еще более расширится применение роботов-советников в процессе портфельного инвестирования. Однако с помощью автоматизированного инструментария инвестор может осуществлять постоянный контроль эффективности работы, всегда может проверить сбалансированность своего портфеля, не принимать поспешных решений и в любой удобный момент провести ребалансировку.

Таблица 3

Данные о ребалансировке портфеля

Рис. 5. Сравнение сбалансированного портфеля с портфелем советника

Библиографическая ссылка