Оценка эффективности деятельности по управлению активами российских паевых инвестиционных фондов тема диссертации по экономике, полный текст автореферата

Автореферат диссертации по теме "Оценка эффективности деятельности по управлению активами российских паевых инвестиционных фондов"

На правах рукописи

Паршаков Петр Андреевич

Оценка эффективности деятельности по управлению активами российских паевых инвестиционных фондов

Специальность 08.00.10 - Финансы, денежное обращение и кредит

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата экономических наук

Москва-2014 005547984

005547984

Работа выполнена на кафедре фондового рынка и рынка инвестиций федерального государственного автономного образовательного учреждения высшего профессионального образования «Национальный исследовательский университет «Высшая школа экономики»

Научный руководитель: кандидат физико-математических наук, доцент

Курочкин Сергей Владимирович Официальные оппоненты: Чаадаева Лариса Алексеевна, доктор

экономических наук, профессор, Финансовый университет при Правительстве Российской Федерации, профессор кафедры "Экономика организации"

Ивлиев Сергей Владимирович, кандидат экономических наук, ЗАО "Прогноз", заместитель генерального директора по научным исследованиям.

Ведущая организация: Государственный университет управления

Защита состоится 17 июня 2014 г. в 16-00 часов на заседании диссертационного совета Д 212.048.07 при Национальном исследовательском университете «Высшая школа экономики» по адресу: 101000 Москва, ул. Мясницкая, д.20, ауд. 327-К.

С диссертацией можно ознакомиться в библиотеке и на сайте (http://www.hse.ru/org/hse/aspirant/defence/) Национального исследовательского университета «Высшая школа экономики»

Автореферат разослан ^^ л -2014 г.

гу

Ученый секретарь диссертационного совета, <"г'у ^ доктор экономических наук, профессор Философова Татьяна Георгиевна

1.ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. Основной функцией финансовых

рынков является перераспределение денежных средств от инвесторов к экономическим агентам, которые в этих средствах нуждаются. При этом часто возникает ситуация, при которой инвестор не обладает достаточными навыками для выбора объекта инвестирования. Для решения этой задачи возникла отрасль доверительного управления: инвестор отдает за вознаграждение свои временно свободные денежные средства экономическому агенту, который обладает навыками управления этими средствами. Этот экономический агент (в дальнейшем «управляющий активами») также остается в выигрыше, так как он получает в управление денежные средства, которых у него нет, и находит применение своим знаниям и навыкам, получая за это денежное вознаграждение.

Необходимым условием функционирования такой системы перераспределения денежных средств является отсутствие асимметрии информации [Kosowski et al., 2006]: инвесторы должны обладать информацией относительно способностей управляющего активами. В противном случае инвестор может доверить свои денежные средства управляющему, который не сможет ими распорядиться с пользой, как для инвестора, так и для фондового рынка в целом. Полная информация о своих способностях к выбору объекта инвестирования доступна только управляющему, поэтому перед инвестором стоит задача оценки способностей на основе общедоступной информации, которая обязательна к публикации согласно законодательству. Стоит, однако, отметить, что инвестору часто важна не количественная оценка способностей, а их наличие [Carhart, 1996; Kosowski et al., 2006; Fama, French, 2010]. Неверный вывод относительно наличия способностей управляющего ведет к снижению личного благосостояния инвестора и нарушениям в перераспределении денежных средств на фондовом рынке.

Таким образом, исследования, направленные на разработку (с последующим применением) метода оценки навыков управляющих активами ПИФ-ов к неслучайному опережению бенчмарка, являются весьма актуальными. Кроме того, отдельного изучения требует вопрос выбора бенчмарка при оценке управляющего: получение положительной доходности на финансовых рынках нельзя считать успешным результатом, так как управляющий, требуя вознаграждение за свои услуги, должен обеспечить доходность выше, чем альтернативные бесплатные варианты вложения денежных средств, доступные инвестору. Необходимо также решить вопрос относительно частоты данных, используемых для оценки способностей: при использовании данных разной частоты (дневные, недельные, месячные и т.д.) можно получить принципиально разные результаты [Bollen and Busse, 2005; Sehgal, Jhanwar, 2008]. Решение описанных проблем позволяет минимизировать асимметрию информации и, таким образом, способствует максимизации благосостояния инвестора и нормальному функционированию финансовых рынков.

Степень разработанности проблемы. С ростом индустрии доверительного управления был разработан ряд показателей (коэффициент Шарпа, коэффициент Сортино, альфа Йенсена и др.), позволяющих оценить способности управляющего на основе публичной информации (которой обычно является временной ряд стоимости пая паевого инвестиционного фонда, вверенного рассматриваемому управляющему активами). Общие вопросы оценки способностей управляющих рассматривались в работах Шарпа [Sharp, 1966], Йенсена [Jensen, 1968], Хенриксона [Henriksson, 1984]. Гринблатта и Титмана [Grinblatt and Titman, 1992], Хендрикса, Пателя и Зекхаузера [Hendricks, Patel and Zechauser, 1993], Кархарта [Carhart, 1997], Вермерса [Wermers, [1997], Берка и Грина [Berk, Green, 2004], Боллена и Бьюсса [Bollen and Busse, 2005], Дженнаоли, Шляйфера и Вишны [Gennaioli, Shleifer, Vishny, 2012].

Принципиально новую точку зрения предложили Косовски [Kosowski et al, 2006] и Фама и Френч [Fama, French, 2010]. Авторы рассматривали вопрос отделения удачи от навыка в способностях управляющих активами ПИФ-ов. Авторы показали, что, даже принимая решение о выборе активов для инвестирования случайным образом, можно получить положительную доходность на вложенные инвестором средства. Эту способность они называют удачей. Инвестор же заинтересован в том, чтобы доверить свои средства управляющему, зарабатывающему не за счет удачи, а за счет навыка -способности к неслучайному (статистически устойчивому) получению сверхдоходности относительно бенчмарка. Это объясняется тем, что наличие навыка, определенное на исторических данных, можно экстраполировать на будущее, удачу же экстраполировать нельзя. Вопросы отделения удачи от навыка также рассматривались в работах Чена и Лианга [Chen and Liang, 2012], Розенталя [Rosenthal, 2012], Айди и Крыжановски [Ayadi, Kryzanowski, 2011] и Лэйфилда и Стивенсона [Layfield, Stevenson, 2011].

В России попытку отделить удачу от навыка в способностях управляющих предпринял Муравьев [Муравьев, 2006], однако, он использовал информацию только о 59 ПИФах, что относительно мало на фоне общего количества фондов. Кроме того, автор не рассматривал вопрос выбора бенчмарка для оценки управляющего: для корректной оценки способностей управляющих необходимо понять, являются ли российские индексы (ММВБ, РТС и иные) заслуживающими доверия эталонными показателями для оценки способностей (как, например, индекс S&P500 в США). Кроме того, не был рассмотрен вопрос влияния частоты данных на отделение удачи от навыка. Также перечисленными выше авторами не рассматриваются страновые особенности российского законодательства в области регулирования финансовой индустрии, а именно, достаточен ли публикуемый объем информации для выделения управляющих с навыками к неслучайному опережению бенчмарка.

Перечисленные выше проблемы определили выбор темы исследования, его объекта и предмета, а также постановку исследовательской цели и задач.

Цель диссертационного исследования - разработка метода оценки навыков российских управляющих активами ПИФ-ов к неслучайному опережению бенчмарка для использования внешними инвесторами при принятии ими решения о распределении капитала на финансовых рынках. Для достижения цели необходимо решение следующих задач:

- систематизация существующих методов оценки управляющих активами паевых инвестиционных фондов и методов оценки их способностей к неслучайному получению доходности на финансовых рынках относительно бенчмарка, выявление ограничений, препятствующих их практическому применению;

- оценка навыков российских управляющих активами ПИФ-ов к неслучайному получению доходности относительно бенчмарка на финансовых рынках;

- анализ российских индексов (РТС, ММВБ) как бенчмарков для оценки результатов управляющих активами ПИФ-ов, подбор валидного бенчмарка;

- оценка чувствительности предложенной методики оценки эффективности деятельности управляющих активами паевых инвестиционных фондов к частоте используемых данных для выявления достаточности (либо недостаточности) существующих законодательных норм к раскрытию информации;

- разработка рекомендаций относительно минимально допустимой частоты используемых для принятии решения о выборе управляющего данных.

Объектом исследования являются российские паевые инвестиционные фонды.

Предмет исследования — деятельность управляющих активами ПИФ-ов паевых инвестиционных фондов на финансовых рынках.

Методологическая и теоретическая база исследования. Теоретической основой исследования являются труды зарубежных и отечественных авторов, посвященные оценке навыков управляющих активами ПИФ-ов: Гринблатт и Титман [Grinblatt and Titman, 1992], Хендрикс, Патель и Зекхаузер [Hendricks, Patel and Zechauser, 1993], а также рассматривающих проблему выделения навыка управляющих: Косовски [Kosowski et al, 2006], Катберсон [Cuthbertson et al, 2005], Фама и Френч [Fama, French, 2010].

Методологической базой теоретической части диссертации являлись методы системного анализа, метод аналогий, метод обобщений, классификация. Эмпирическое исследование проводилось с помощью использования регрессионного анализа для оценки мер эффективности менеджеров и бутстрап-подхода к инференции (тестированию гипотез). Как показано в работе Хоровица [Horowitz, 2003], бутстрап позволяет уменьшить разницу между реальной и полученной вероятностью отвергнуть тестируемую нулевую гипотезу.

Информационная база исследования. В эмпирической части диссертационного исследования использовалась база данных, составленная на основе данных портала InvestFunds, содержащего наиболее полную информацию относительно российских ПИФ-ов. В итоговую выборку вошло 492 фонда, использовались данные с июля 2001 года по июль 2012. Средний объем выборки по каждому фонду равен 1200. Фонды с числом наблюдений менее 100 были исключены из рассмотрения.

Научная новизна диссертационного исследования заключается в следующем:

- предложен инструментарий оценки навыков российских управляющих активами ПИФ-ов к неслучайному (статистически устойчивому) опережению бенчмарка на финансовых рынках, что позволяет

частично снизить информационную асимметрию, возникающую при выборе инвестором паевого инвестиционного фонда;

- доказано, что доля российских управляющих активами ПИФ-ов, обладающих способностями к неслучайному (статистически устойчивому) опережению бенчмарка выше, чем в США и Великобритании;

- выбраны и обоснованы бенчмарки способностей управляющих к доверительному управлению, такие, как индекс MSCI для фондов акций и индекс CORP BOND TR для фондов облигаций, в отличие от наиболее часто используемых индексов РТС и ММВБ, позволяющие учесть специфику российского рынка;

- выявлено, что снижение частоты данных (дневные, недельные, месячные и т.д.) ведет к переоценке навыков управляющих, при этом минимальная рекомендуемая частота используемых данных для оценки навыков управляющих составляет не менее чем 1 раз в 67 дней.

Теоретическая и практическая значимость работы состоит в обосновании метода, позволяющего оценить навыки управляющих активами ПИФ-ов к неслучайному получению доходности на финансовых рынках с учетом российской специфики. Предложен валидный и релевантный бенчмарк для оценки российских управляющих активами ПИФ-ов, исследовано влияние частоты используемых данных на оценку навыка управляющих, даны рекомендации относительно минимальной частоты данных.

Разработанный инструментарий будет полезен для участников российского фондового рынка: он может применяться инвесторами (частными и профессиональными) для выбора паевого инвестиционного фонда при размещении свободных денежных средств. Важным плюсом метода является использование только общедоступной информации. Кроме того, такой инструмент может быть интересен и менеджменту паевых инвестиционных фондов для внутреннего мониторинга эффективности и создания системы мотивации для отдельных управляющих активами ПИФ-ов.

Также материалы диссертационного исследования могут быть использованы в рамках научной и преподавательской деятельности по направлениям «Количественный анализ финансовых рынков», «Управление портфелем».

Апробация результатов исследования. Результаты диссертационного исследования включены в программу научно-исследовательского семинара курса подготовки магистров направления «Финансы» НИУ ВШЭ - Пермь, а также использованы в работе Научно-учебная лаборатория междисциплинарных эмпирических исследований (Пермь).

Основные результаты диссертационного исследования были представлены автором на 3 конференциях: 9-я международная конференция по прикладной финансовой экономике (Самос, 2012), VIII Международной научно-практической конференции по проблемам экономического развития в современном мире "Устойчивое развитие российских регионов: человек и модернизация" (Екатеринбург, 2011); Научно-практической конференции с международным участием «Актуальные вопросы и современные технологии управления финансами в условиях инновационного развития экономических систем» (Пермь, 2012).

Положения и результаты диссертации обсуждались на научных семинарах кафедры оценки стоимости активов и кафедры финансового менеджмента НИУ ВШЭ - Пермь (декабрь 2011 г., февраль 2012 г., июнь 2013 г.), а также на научном семинаре кафедры фондового рынка и рынка инвестиций НИУ ВШЭ (март 2012 г., июнь 2012).

Публикации. Основные результаты диссертационного исследования опубликованы в 4 работах общим объемом 3,9 п.л. (личный вклад автора 3,2 п.л.). Из них 3 опубликованы в журналах, рекомендованных ВАК Министерства образования и науки России, общим объемом 3,1 п.л.

Структура работы. Диссертационная работа изложена на 184 страницах печатного текста, включает 8 таблиц, 31 рисунок, и состоит из введения, трех глав, заключения и приложений.

2. ОСНОВНЫЕ ПОЛОЖЕНИЯ ДИССЕРТАЦИИ Во введении обоснована актуальность выбранной темы, определены цель, задачи, объект и предмет диссертационного исследования, раскрыта научная новизна, новизна, теоретическая и практическая значимость полученных результатов.

В первой главе диссертационного исследования отражены теоретические вопросы поставленной проблемы. В частности, уточнено определение атрибуций навыков управляющих (пикинг и тайминг). Под способностями к таймингу предполагается наличие у управляющего навыков, которые позволяют ему угадывать движения всего рынка в целом. Микропрогнозирование (пикинг) заключается в поиске недооцененных активов, приобретение которых способно принести прибыль в будущем.

На сегодняшний день под атрибуционным анализом эффективности, как правило, понимается определение добавленной стоимости активного управления и ее последующая декомпозиция на составляющие, сформированные за счет способностей менеджеров к пикингу и таймингу. Этот подход позволяет получить более точные оценки навыков, нежели однофакторные меры в условиях нестационарности риска портфеля, характерной для реальных ситуаций.

Проведенное исследование вопросов оценки эффективности управляющих показало, что большинство используемых показателей являются статическими и не предполагают учета влияния решения, принятого менеджерами в прошлом, на текущие результаты деятельности. Эту проблему попытался разрешить Эндрю JIo, предложивший методику проведения динамического теста на наличие у менеджеров способностей, позволяющих им неслучайно и регулярно обыгрывать рынок [Lo, 2000; Palmiter, Taha, 2008]. Выбор оптимального показателя должен производиться с учетом требований инвестора к риску и объема информации, которой инвестор располагает. В зависимости от того, какие цели ставит перед собой инвестор в рамках

процесса принятия решения о распределении капитала, для определения качества навыков менеджеров им могут использоваться однофакторные или атрибуционные показатели (коэффициент Шарпа, коэффициент Трейнора, альфа Йенсена, мера Трейнора и Мазуи и др.);

Однофакторные модели (коэффициент Шарпа, коэффициента Трейнора и др.) являются достаточно чувствительными к манипуляциям с исходными данными, вследствие чего они завоевали достаточно высокую степень популярности в среде практиков. Атрибуционный подход позволяет производить разделение случайного и неслучайного результатов, а также декомпозировать его на составляющие в зависимости от требований в каждой конкретной ситуации. Таким образом, для корректной оценки навыков желательно использование атрибуционного подхода.

На практике фонды часто предоставляют информацию о своей деятельности в большем объеме и с более высокой частотой, нежели чем этого требует законодательство. Делается это в основном для привлечения новых клиентов и удержания уже имеющихся. На основании этой информации многие рейтинговые агентства и инвестиционные компании выстраивают рейтинги управляющих. Несмотря на то, что располагаемый набор данных превышает минимально необходимый, согласно законодательству, этого все равно недостаточно для полноценной оценки эффективности. Более того, рейтинговыми агентствами, как правило, используются достаточно простые меры эффективности, которые достаточно легко поддаются манипуляциям за счет видоизменения используемых данных. Наиболее часто используется атрибуционный показатель альфы Йенсена - он рассчитывается многими зарубежными и некоторыми российскими рейтинговыми агентствами и широко используется в эмпирических исследованиях.

Таким образом, не существует единого устоявшегося подхода к оценке способностей управляющих, что подтверждает актуальность вопросов, рассматриваемых в диссертации.

Вторая глава посвящена анализу опыта зарубежных и российских эмпирических исследований по данной проблематике. Несмотря на большое число исследований, посвященных способам оценки навыков управляющих активами ПИФ-ов, их измерение и само по себе решение вопроса о наличии или отсутствии способностей к управлению активами является нерешенной задачей, при этом специфичной для конкретного рынка ввиду страновых особенностей. В процессе анализа исследований были выявлены основные проблемы, затрудняющие корректную оценку способностей управляющего.

Существующие меры эффективности (коэффициент Шарпа, коэффициент Сортино, коэффициент Трейнора и др.) не позволяют в полной мере оценить имеющиеся у управляющего навыки и отделить их от удачи, т.е. случайного получения доходности на вложенные инвестором средства. На основании существующих работ можно выделить наиболее часто используемый метод разделения удачи и навыка. Данный метод, основанный на бутстрапе, впервые был предложен в работе Косовски [Kosowski et al., 2006]. Положительной стороной данного метода является устойчивость к гетероскедастичности временного ряда, а так же авто- и кросс-корреляции доходностей фондов. Бутстрап является наиболее подходящей методикой для решения проблемы ненормальности распределений альфы Иенсена отдельных фондов и совместного распределения доходностей фондов.

Работы, основанные на бутстрап-моделировании [Kosowski et al., 2006, Cuthbertson, 2005, Fama, French, 2010], имеют схожие результаты: среди большого количества различных ПИФов можно выделить несколько фондов, управляющие которых обладают навыком. Однако высокую доходность подавляющего большинства фондов можно полностью объяснить удачей, в то время как плохие результаты нельзя полностью списать на невезение.

Выбор бенчмарка также играет ключевую роль при оценке управляющего. Для оценки способностей управляющего к обыгрыванию рынка необходимо сопоставить показатели доходности паевого фонда с показателями

доходности эталонного показателя, по риску соответствующего стратегии управляющего. В настоящее время нет точного метода определения инвестиционного ориентира; отсутствие эталонного показателя в значительной мере затрудняет оценку способностей управляющего.

Существуют исследования, показывающие, что оценки показателей навыков управляющих являются неустойчивыми к частоте используемых данных: т.е. для одного и того же управляющего могут быть получены разные оценки способностей при использовании, например, месячных данных вместо дневных. В качестве примера подобного исследования можно выделить работу [Sehgal, Jhanwar, 2008], где проводилась оценка наиболее часто используемых мер на месячных и дневных данных по выборке из 59 индийских фондов. Полученные результаты свидетельствуют о том, что показатели способностей управляющих к пикингу значительно улучшаются при использовании дневных данных вместо месячных — около 28% фондов в выборке начинают характеризоваться значимым положительным уровнем альфы Йенсена. Похожий результат был получен в работе Ченса и Хельмера (Chance, Helmer, 2001). Гоэтзманн с соавторами [Goetzmann et al., 2000], показал, что способности управляющего, ежедневно принимающего инвестиционные решения, будут недооценены при использовании месячных данных. Работа Боллена и Бьюсси [Bollen, Busse, 2001] показала, что использование дневных данных значительно увеличивает число фондов, обладающих способностями к таймингу.

Третья глава посвящена разработке и эмпирической проверке метода оценки навыков российских управляющих активами ПИФ-ов. На основе

анализа, проведенного в первой главе, были сформулирсканн требования к прхазател»с способностей управляющего (отностпельная прожога в расчетах.

• ;> . • .с-гчг и.• • ; ¿U . • î;:s них. Лл/л sh;c;>.'::î

Í:;.,-:j:¡ *<! ¡ .î ¡9-Л], ! 'К1:,;т •..•:.i. i • üО.Ч-уу-

с; с;,)' Ш ей -.¡о, и

a=r-{rf+pp(rm-rf)),

где гь - доходность бенчмарка, г - доходность по портфелю фонда. Этот показатель относительно прост в расчетах, легко интерпретируем - его величина показывает избыточную доходность относительно бенчмарка с заданным риском. Кроме того, данный показатель рассчитывается рейтинговыми агентствами (например, InvestFunds (investfiinds.ru), Национальная лига управляющих (nlu.ru)) и некоторыми ПИФ-ами, т.е. является распространенным.

В работе сформулированы основные требования к валидному и релевантному бенчмарку (объяснение общей составляющей дисперсии активов на финансовом рынке, объяснение индивидуальных различиях в активах, повторимость и др.). Исходя из них, было решено оценивать фонды акций и фонды облигаций по разным бенчмаркам: MSCI Russia для фондов акций и MICEX CORP BOND TR для фондов облигаций.

Используемый метод. Обзор работ, приведенный ранее, позволяет сделать вывод о бутстрапе как о наиболее распространенном методе оценки навыков управляющих активами ПИФ-ов. Подобный подход позволяет более точно оценить значимость альфы Йенсена, если распределение доходностей фонда не может быть точно аппроксимировано каким-либо параметрическим распределением (нормальным, логнормальным и т.д.). В ином случае наиболее логично воспользоваться асимптотическим подходом.

В современном эконометрическом анализе выделяют несколько подходов к инференции (проверке гипотез): точный и асимптотический [Анатольев, 2007]. Точная ивференцпя возможна только при выполнении значительного чи-.ута сильно.* ¡фолпосьонж от.чсмлтельно используемых даньглх и ъклоцоъ

(3KUeJiL- V) ' ■■ '• ' F> '.-ГЧ.. 1- -11 :tif>. ■ )В»«гйНОК, '1 ДаЛпХ;:: ДОЛЖНЫ '.•>!••

hOj'-^ibrii: -.i • г. ЬК" .'¿р „п. -ц-л:.'<«)•<.'•.•

. 'И •;•.•• .,.lv- I • :•.). .<> . ' Т • . - " • ,.. .. ;. I'V •;•

центральной предельной теореме. Этот подход изучает инференцию в предельном случае, когда объем выборки стремится к бесконечности. Однако, такой подход обеспечивает неудовлетворительное приближение в условиях малой выборки. В таких случаях принято пользоваться бутстрап-подходом, позволяющим приблизить истинное распределение данных эмпирическим. Важно понимать, что даже если распределение фонда имеет какое-либо параметрическое распределение, это не повлияет на применимость бутстрапа как подхода к инференции - он остается подходящим методом, однако, возможно снижение скорости сходимости [Анатольев, 2007].

Описываемый подход был впервые предложен Эфроном [Е&оп, 1979]. Подробное описание метода приведено в [Анатольев, 2007], ниже будет описан используемый в работе вариант.

Удобно начать описание метода с кросс-секционной регрессии. Пусть мы оцениваем модель у = х'/З + е,Е[е\х] = 0. У нас имеется набор пар , представляющий собой случайную выборку. Оценив матрицу коэффициентов, мы заинтересованы в проверки гипотез относительно коэффициентов. Для этого мы формируем новую выборку, случайным образом вытягивая N пар (х(,у() из исходной выборки. Отметим также, что такого же результата мы можем достичь, используя остатки модели и восстанавливая левую часть, т.е. работая с парами С*«^), где ё\ - остатки оцениваемой модели. Такой метод может быть удобнее, если модель предусматривает особую информацию, заложенную в остатках модели (например, информацию о независимости остатков и регрессоров).

Технически метод был реализован на языке Я, ниже будет приведен алгоритм, иллюстрирующий суть программы.

1. На первом шаге задается число бутстрап-симуляций, стартовая частота данных и шаг, с которым частота меняется.

2. Далее для каждого фонда для каждой частоты оценивается исходная альфа Йенсена, при этом сохраняются остатки регрессии.

3. Далее производятся бутстрап-симуляции:

a. из исходной выборки «выдергиваются» остатки регрессии

и соответствующие по времени значения независимой переменной .

b. из остатков формируется новая выборка: левая часть уравнения регрессии восстанавливается как У — 0 + + при этом альфа задается равной нулю. На данном этапе сформирован временной ряд доходности фонда «без навыков».

c. На основе выборки, полученной на предыдущем шаге, оцениваем альфу Йенсена.

с1. Шаги а, Ь, с повторяются заданное на шаге 1 число раз. В результате формируется распределение альфы Йенсена для менеджера без навыков, т.е. статистически, распределение постоянного члена регрессии при тестировании гипотезы о его значимости.

4. Полученное на шаге 2 значение альфы Йенсена сравнивается с 95%-ой квантилью распределения, полученного на шаге 3-с1. Гипотеза о значимости коэффициента, т.е. о наличии или отсутствии навыка, принимается либо отвергается для каждого фонда.

5. Формируется список фондов, управляющие которых обладают навыком.

Была проверена гипотеза нормальности распределения доходностей фондов, для этого использовался Тест Харке-Бера [.Гащие-Бега, 1987]. Согласно тесту, на уровне значимости 5% было выделено всего 5 фондов с доходностью, подчиняющейся закону нормального распределения. Поскольку основная часть временных доходностей фондов не аппроксимируется нормальным распределением на каком-либо приемлемом уровне значимости, необходимо использовать описанный выше бутстрап-подход для инференции.

Результаты бутстрап-симу.чяций. Наша цель заключается в поиске управляющих. обладающих навыками в противовес «удаче». Эта

экономическая задача статистически формализуется как наличие положительной значимой альфы Йенсена. Необходимо выбрать допустимый уровень значимости. Уровень значимости - вероятность отклонить нулевую гипотезу, если на самом деле нулевая гипотеза верна (ошибка первого рода). Поскольку мы тестируем гипотезу о значимости коэффициента, то нулевая гипотеза формализуется следующим образом: #0: а = 0 . К выбору уровня значимости следует подойти строго, так как цена ошибки первого рода в данном случае велика: экономически это означает то, что мы ложно определяем управляющего как имеющего навык. Для нашего случая мы выбираем уровень значимости 5%.

Результаты для фондов акций. Общее количество фондов акций составило 445 шт. Выявлено, что количество фондов, обладающих навыками, составляет 52 (шт.) или 13%, их названия приведены в тексте диссертации. Распределение альф Йенсена является скошенным, наблюдается асимметрия.

Коэффициент корреляции Пирсона между альфой Йенсена и показателем навыка фондов составляет 22,2%. Проверка на значимость дает следующий результат: I = 4.6165, ёГ = 408, р-уа1ие = 5.236е-06, таким образом, мы наблюдаем значимую корреляцию между альфой Йенсена и навыком управляющих к неслучайному обыгрыванию бенчмарка.

На рис. 1 изображены альфы фондов, отсортированные по возрастанию и показатель наличия навыка (нижняя линия, 1 для фонда с навыком, 0 для фонда без навыка). Пунктирными линиями отмечена точка, в которой альфа Йенсена равна нулю. Можно сделать вывод, что все фонды с навыком обладают именно положительным навыком.

о

____¡Ц]_1

]—I_

лшшпишпи

-2

о

100

200

300

400

ПИФы

Рис. 1. Альфы Йенсена фондов (верхняя линия) и показатель навыка (нижняя линия): 1 для фонда с навыком, 0 для фонда без навыка

Поскольку выборка фондов является разнородной в том плане, что среди фондов встречаются группы с разной стратегией, необходимо дополнительно разбить выборку по признаку выбранной стратегии. Поскольку информация о стратегии фонда нам недоступна, мы попытаемся различать фонды по результатам имплементации их инвестиционных стратегий, т.е. по доходности пая. Таким образом, мы разбиваем выборку на 4 группы, соответствующие квартилям доходности. В тексте диссертации приведены результаты для каждой из квартилей.

Результаты для фондов облигаций. Общее количество фондов облигаций составило 47 шт. выявлено, что количество фондов, обладающих навыками, составляет 16 (шт.) или ?4%, их названия приведены в тексте диссертации. Интересен тот фаю, что все фонды с навыком обладают именно

положительным навыком. Распределение альф является несимметричным, скошенным вправо.

Коэффициент корреляции Пирсона между альфой Йенсена и показателем навыка фондов составляет 65,6%. Проверка на значимость дает следующий результат: t = 5.7612, df = 44, p-value = 7.563е-07, таким образом, мы наблюдаем значимую корреляцию между альфой Йенсена и навыком фондов для фондов облигаций.

Поскольку выборка фондов облигаций также является разнородной, разобьем ее на квартили, косвенно отражающие выбранную фондом стратегию. Поскольку информация о стратегии фонда нам недоступна, мы попытаемся различать фонды по результатам имплементации их инвестиционных стратегий, т.е. по доходности пая. Таким образом, мы разбиваем выборку на 4 группы, соответствующие квартилям доходности. В диссертации приведены результаты для каждой из квартилей.

Межстрановые сравнения. Сравним полученные результаты с выводами, полученными в смежных работах. В работе Косовски [Kosowski et al., 2006] рассматривалась выборка, состоящая из американских фондов с 1975 по 2002 гг. В этом исследовании не были выявлены управляющие со способностью формирования долгосрочной положительной доходности. Схожий анализ способности был проведен в Англии [Cuthberson, Nitzsche, 2008], исследование указывает на существование подлинных способностей управления ПИФами среди небольшого количества управляющих Великобритании. Таким образом, результаты, полученные в данной работе, соотносятся с результатами уже существующих исследований с использованием аналогичных мер эффективности. Среди российских управляющих активами ПИФ-ов существует небольшая доля (около 13%) тех, кто демонстрирует наличие навыков.

В России наблюдается больший процент фондов с навыками. Логично предположить, что российский рынок является менее эффективным,

развивающимся, следовательно, на нем проще получать сверхдоходность относительно локального бенчмарка.

Выбор оптимальной частоты используемых данных. Симуляции, алгоритм которых описан выше, были проведены для частот наблюдений от 1 до 180. При этом 1 соответствует дневным данным, 2 - данным за каждый второй день, и т.д. Соответственно, 180 соответствует полугодовым данным. Для каждой из описанных частот данных находим долю управляющих, обладающих навыками. Предполагается, что эталоном должны служить дневные данные. Причина заключается в том, что такие данные несут больше информации [Sehgal, Jhanwar, 2008]. Во-первых, выборка дневных данных будет по определению больше любой другой выборки (с другой частотой). Во-вторых, дневные данные несут больше информации о динамике риска и доходности портфеля, сформированного управляющим ПИФ-ом.

Частота данных

£

2

сс 5

18,00%

16,00%

14,00%

12,00%

10,00%

4,00%

2,00%

6,00%

Рис. 5. Соотношение частоты данных (горизонтальная ось) и процента управляющих, демонстрирующих «навыки» (вертикальная ось).

Результаты описанных симуляций удобно представить в виде графика (см. Рис. 5). Пунктирной вертикальной линией отмечена частота, при которой

процент управляющих с навыками в 2 раза превышает исходное значение (3%) - это частота 65, т.е. приблизительно, наблюдения каждые 2 месяца. Кроме того, после этой точки график начинает расти быстрее. Для доказательства этого на графике приведена линия, представляющая собой полиномиальное приближение исходного ряда (степень полинома - 3, выбрана на основе L1-регуляризации). Анализируя вторую производную, мы приходим к выводу, что точка перегиба - 68. Таким образом, можно сделать вывод, что существующие законодательные нормы раскрытия информации (1 раз в квартал, т.е. в 90 дней) недостаточны в контексте оценки навыков управляющего. В работе приведено тестирование полученного значения на робастость к объему выборки, числу фондов, попавших в выборку, и к периоду наблюдения.

Проинтерпретируем полученные результаты. Исходная точечная оценка перегиба - 68 дней, медиана распределения, полученного при тестировании на робастость - 59, таким образом, для корректной оценки фонды необходимо наблюдать не реже, чем 1 раз в 2 месяца. Это согласуется с выводами авторов работы [Sehgal, Jhanwar, 2008], которые, анализируя структуру портфелей индийских фондов, пришли к выводу о том, что для них наиболее характерен пикинг (способность к выбору активов), нежели чем тайминг (способность к выбору времени инвестирования), и что ребалансировка портфеля происходит довольно часто - 1 раз в 1,5-2 месяца. Можно предположить, что для российского рынка капитала как для развивающегося имеет место похожая ситуация - Муравьев и Горяев [Муравьев, Горяев, 2006] также отмечают высокую долю пикинг-стратегий. Боллен и Бьюсси [Bollen, Busse, 2001] отмечают, что недостаточно частые замеры могут завысить показатели тайминга, в нашем же случае наблюдается аналогичная ситуация для пикинга -при отсутствии частой (раз в 2 месяца) информации о ребалансировке портфеля наблюдается тенденция к завышению альфы Йенсена и, таким образом, становится сложнее отличить управляющих, получающих доходность за счет наличия способностей, а не за счет удачного стечения обстоятельств.

3. ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ РАБОТЫ

В ходе проведения диссертационного исследования были получены значимые теоретические и практические выводы.

- Систематизированы существующие методы оценки управляющих. Выявлено, что определения качества навыков менеджеров могут использоваться однофакторные или атрибуционные показатели. Однофакторные модели являются достаточно чувствительными к манипуляциям с исходными данными, вследствие чего они завоевали достаточно высокую степень популярности в среде практиков. Атрибуционный подход позволяет производить разделение случайного и неслучайного результатов, таким образом, для корректной оценки навыков желательно использование атрибуционного подхода.

систематизированы методы оценки навыков (способностей к неслучайному получению сверхдоходности относительно бенчмарка) управляющих. Выявлено, что большинство методов основаны на бутстрап-подходе к инференции, наиболее часто используется показатель альфы Йенсена.

- Выбраны наиболее валидные бенчмарки для российских ПИФов: индекс MSCI для фондов акций, индекс CORP BOND TR для фондов облигаций.

Разработан и эмпирически проверен метод оценки навыков российских управляющих активами ПИФ-ов к неслучайному опережению бенчмарка на финансовых рынках, который позволяет частично снизить информационную асимметрию, возникающую при выборе инвестором управляющего и, таким образом, способствует увеличению информационной эффективности фондового рынка.

- Выявлено, что снижение частоты используемых данных ведет к переоценке навыков управляющих активами ПИФ-ов к неслучайному получению доходности на финансовых рынках. Выработаны рекомендации

относительно минимальных требований к частоте публикации данных паевыми инвестиционными фондами: необходимо использовать данные с частотой не ниже, чем 67 дней.

В целом, можно сделать вывод о состоятельности предложенного метода для оценки навыков российских управляющих активами ПИФ-ов. Он свободен от части недостатков текущих методов и, что важно, учитывает специфику российского рынка.

СПИСОК ПУБЛИКАЦИЙ ПО ТЕМЕ ДИССЕРТАЦИИ

Работы, опубликованные автором в журналах, рекомендованных ВАК Министерства образования и науки РФ:

1. Паршаков П.А. Модели оценки способностей управляющих активами ПИФ-ов к микро- и макропрогнозированию // Корпоративные финансы. 2012. № 1 (21). С. 110-118. (в соавт. с Семушиным A.B., авт. вклад 0,6 п.л.)

2. Паршаков П.А. Влияние частоты данных на оценки показателей эффективности управляющих активами ПИФ-ов // Прикладная эконометрика. 2012." № 1. С. 95-114. (в соавт. с Семушиным A.B., авт. вклад 1,2 п.л.)

3. Паршаков П.А. Обзор основных обобщенных моделей оценки инвестиционных навыков управляющих// Финансы и кредит. 2012. №3. С. 19-27. (в соавт. с Семушиным A.B., авт. вклад 0,8 п.л.)

Другие работы, опубликованные автором по теме кандидатской диссертации:

4. Parshakov P. The impact of data frequency on performance measures, in: Proceedings of the 9th International Conference on Applied Financial Economics, 28-30 June 2012, Samos Island Greece / Науч. ред.: С. Prachalias. остров Самос: Research and Training Institute of East Aegean, 2012. P. 495-504. (в соавт. с Семушиным A.B., авт. вклад 0,6 п.л.)

Лицензия ЛР № 020832 от «15» октября 1993 г. Подписано в печать «/5» о^У? е^ЛЛ014 г. Формат 60x84/16 Бумага офсетная. Печать офсетная. Усл.печ.л. 1.

Тираж 100 экз. Заказ №/3 Типография издательства НИУ ВШЭ, 125319, г. Москва, Кочновский пр-д., д.З.