Расчет оптимального распределения

Прежде всего, давайте определимся с тем, что мы имеем в виду, когда говорим об оптимальном распределении. По сути, речь может идти об одном из трех видов распределения: будущем, гипотетическом или историческом. Вы можете определить оптимальный будущий состав портфеля не в большей мере, чем вырастить крылья и полететь, стать самым успешным игроком баскетбольной команды «Лейкерс» или завоевать титул «Мисс Америка». Любой, кто скажет вам, что он знает оптимальное будущее распределение, должен находиться в тюрьме или в сумасшедшем доме. (И если бы вы в действительности были способны на это, то эта книга не понадобилась бы. Вы бы знали будущую доходность по всем классам активов без всякого распределения активов. Вам потребовался бы только опытный водитель, чтобы возить вас в шикарном авто между вашими виллами в престижных курортных местечках.)

Гипотетическое оптимальное распределение относится к процессу постулирования набора доходностей, стандартных отклонений и корреляций для последующего расчета оптимального распределения при этих исходных данных.

Историческое оптимальное распределение, то есть то, что было оптимальным в прошлом, рассчитать можно. Это интересное упражнение, и мы скоро им займемся, но это очень плохой способ определения будущего распределения активов.

Мы уже намекнули на один из методов расчета исторического оптимального распределения. Вспомните «облака точек» для портфелей на рис. 4.9 и 4.10. Портфели с левого верхнего края облака лежат близко к границе эффективности и очень близки к оптимальным. Несложно создать электронные таблицы для исторических доходностей и поупражняться с вашими моделями распределения до тех пор, пока далее будет невозможно улучшать соотношение доходности и риска портфеля. По сути, большинство электронных таблиц содержит инструмент для оптимизации, позволяющий определить портфели, которые дадут вам максимальную (или даже минимальную) доходность при данном уровне стандартного отклонения или минимальное стандартное отклонение при данном уровне доходности. Это своего рода «оптимизатор бедняка». Однако эти методы довольно медленные и громоздкие, поэтому они не подходят человеку, серьезно изучающему теорию портфелей. Прежде всего они предполагают огромный объем работы, связанный с анализом «если» для выяснения того, что происходит при различных комбинациях доходности или стандартного отклонения актива. Изменить же корреляцию этого актива с другими активами почти невозможно.

Существует гораздо более быстрый и простой метод оптимизации портфелей – анализ среднего отклонения, разработанный несколько десятилетий назад Гарри Марковицем (впоследствии за эту работу он получил Нобелевскую премию). Пакет программ для использования этого метода называется оптимизатором среднего отклонения (MVO). MVO быстро рассчитает оптимальные составы портфелей по трем наборам данных.

1. Доходность каждого актива.

2. Стандартное отклонение каждого актива.

3. Корреляции всех активов.

До последнего времени MVO были дорогостоящими, но еще более дорогими были исходные данные. Из-за этого я потратил много усилий, описывая методы работы с электронными таблицами в предыдущем издании этой книги. К счастью, этого больше не требуется. MVO теперь можно получить по цене меньше $100, и получение данных также стало гораздо более простым делом. Информация о продуктах и продавцах приводится в Приложении А.

Одним из недостатков MVO является то, что он не учитывает восстановления баланса, поскольку это так называемый однопериодный метод, а восстановление баланса – многопериодное явление. Однако оптимальные портфели – одни и те же, независимо от того, проведено восстановление баланса или нет. Далее относительно легко произвести настройку с учетом восстановления баланса после расчета границы эффективности.

В качестве примера рассмотрим семь активов за период с 1970 по 1996 г., которые отражены на рис. 4.10, плюс долгосрочные облигации и казначейские векселя. Полные вводные данные для MVO для этого временного периода приведены в табл. 5.1.

Две первые колонки – это годовая доходность и стандартные отклонения. В соседних колонках приведены корреляции между годовой доходностью каждого актива за 27 годовых периодов.

Эти данные вводятся в оптимизатор, в нашем случае MVOPIus, производимый компанией Efficient Solutions. Как и во всех оптимизаторах Марковица, в этой программе используется метод критической линии для создания серии угловых портфелей, которые определяют построение границы эффективности для этого набора исходных данных. Рассмотрим результаты, представленные в табл. 5.2. На рис. 5.1 показаны реальные графические результаты работы MVOPIus.

Угловой портфель 1 – это портфель с минимальным отклонением; его риск минимален. Заметьте, что он состоит на 92,5 % из казначейских векселей и лишь на 7,5 % – из активов, которые мы обычно считаем довольно рискованными. Большинство портфелей в диапазоне риска, который большинство из нас сочло бы обоснованным, находится между угловыми портфелями 7 и 8. Портфели с 1-го по 6-й почти полностью состоят из краткосрочных обязательств, а выше портфеля 8 портфели становятся очень рискованными. Портфель 10 – портфель с максимальной доходностью.

Табл. 5.1. Исходные данные для оптимизатора, 1970–1996 гг.

^{Примечание: S&P-акции S&P 500; Мелк. – акции мелких компаний США (CRSP дециль 9-10); Европ. – акции европейских компаний (MSCI Europe); Аз. – Тих. – акции компаний Азиатско-Тихоокеанского региона (исключая Японию, MSCI Pacific ex-Japan); Япон. – акции японских компаний (MSCI Japan); Драг. – акции компаний, занимающихся добычей драгоценных металлов (объективная категория компании Morningstar); 20-лет. – 20-летние казначейские облигации США; 5-лет. – 5-летние казначейские билеты США; 30-дн. – 30-дневные казначейские векселя США.}

Табл. 5.2. Угловые портфели, 1970–1996 гг.

^{Примечание: S&P – акции S&P 500; Мелк. – акции мелких компаний США (CRSP дециль 9-10); Европ. – акции европейских компаний (MSCI Europe); Аз. – Тих. – акции компаний Азиатско-Тихоокеанского региона (исключая Японию, MSCI Pacific ex-Japan); Япон. – акции японских компаний (MSCI Japan); Драг. – акции компаний, занимающихся добычей драгоценных металлов (объективная категория компании Morningstar); 20-лет. – 20-летние казначейские облигации США; 5-лет. – 5-летние казначейские билеты США; 30-дн. – 30-дневные казначейские векселя США.}

Рис. 5.1. Выходные данные оптимизатора MVOPlus