Геометрическая эффективная граница
Особенность рисунка 7‑1 состоит в том, что он отображает арифметическое среднее HPR. Если прибыли реинвестируются, то для координаты эффективной границы по оси Y правильнее рассматривать геометрическое среднее HPR. Такой
подход многое меняет. Формула для преобразования точки на эффективной границе из арифметического HPR в геометрическое такова:
где GHPR = геометрическое среднее HPR;
AHPR = арифметическое среднее HPR;
V= координата дисперсии (она равна координате стандартного отклонения в квадрате).
Рисунок 7‑2 Эффективная граница с реинвестированием и без реинвестирования
На рисунке 7‑2 показана эффективная граница, соответствующая арифметическим средним HPR, и граница, соответствующая геометрическим средним HPR. Посмотрите, что происходит с эффективной границей при реинвестировании.
Построив линию GHPR, можно определить, какой портфель является геометрически оптимальным (наивысшая точка на линии GHPR). Вы можете найти этот портфель, преобразовав AHPR и V каждого портфеля на эффективной границе AHPR в GHPR с помощью уравнения (7.05) и выбрав максимальное значение GHPR. Однако, зная AHPR и V портфелей, лежащих на эффективной границе AHPR, можно еще проще определить геометрический оптимальный портфель, он должен удовлетворять следующему уравнению:
(7.06a) AHPR‑1‑V=0,
где АН PR = арифметическое среднее HPR, т.е. координата Е данного портфеля на эффективной границе;
|
|
V= дисперсия HPR, т.е. координата V данного портфеля на эффективной границе. Она равна стандартному отклонению в квадрате.
Уравнение (7.06a) также можно представить следующим образом:
(7.06б) AHPR ‑ 1 = V
(7.06в) AHPR‑V=1
(7.06г) AHPR=V+1
Необходимо сделать небольшое замечание по геометрическому оптимальному портфелю. Дисперсия в портфеле в общем случае имеет положительную корреляцию с наихудшим проигрышем. Более высокая дисперсия обычно соответствует портфелю с более высоким возможным проигрышем. Так как геометрический оптимальный портфель является портфелем, для которого Е и V равны (при E=AHPR‑ 1), мы можем допустить, что геометрический оптимальный портфель будет иметь высокие проигрыши. Фактически, чем больше GHPR геометрического оптимального портфеля (т.е. чем больше зарабатывает портфель), тем больше может быть его текущий проигрыш (откат по балансу счета), так как GHPR положительно коррелирован с AHPR. Здесь мы видим некий парадокс. С одной стороны нам следует использовать геометрический оптимальный портфель, с другой – чем выше среднее геометрическое портфеля, тем большими будут откаты по балансу счета в процентном выражении. Мы знаем также, что при диверсификации следует выбирать портфель с наивысшим средним геометрическим, а не с минимальным проигрышем, но эти величины стремятся в противоположных направлениях! Геометрический оптимальный портфель – это портфель, который расположен в точке, где линия, прочерченная из (0, 0) с наклоном 1, пересекает эффективную границу AHPR.
|
|
Рисунок 7‑2 показывает эффективные границы на основе одной сделки. Мы можем преобразовать геометрическое среднее HPR в TWR с помощью уравнения:
(7.07) GTWR = GHPR^ N,
где GTWR = значение вертикальной оси, соответствующее данному GHPR после N сделок;
N ‑ число сделок, которые мы хотим использовать.
Рисунок 7‑3 Эффективная граница с реинвестированием и без реинвестирования
Рисунок 7‑4 Эффективная граница с реинвестированием и без реинвестирования
Пусть нашей целью будет AHPR при значении V, которое соответствует геометрическому оптимальному портфелю. В знаменателе (2.09а) мы используем среднее геометрическое геометрического оптимального портфеля. Теперь мы можем определить, сколько сделок необходимо для того, чтобы привести наш геометрический оптимальный портфель к одной сделке арифметического портфеля:
|
|
N=ln(l,031)/ln(l,01542) =0,035294/0,0153023 = 1,995075
Таким образом, можно ожидать, что через 1,995075, или приблизительно через 2 сделки, оптимальное GHPR достигнет соответствующего (при том же V) AHPR для одной сделки. Здесь возникает проблема, которая заключается в том, что ATWR должно отражать тот факт, что прошли две сделки. Другими словами, когда GTWR приближается к ATWR, ATWR двигается вверх, хотя и с постоянной скоростью (в отличие от GTWR, которое ускоряется). Можно решить эту проблему с помощью уравнений (7.07) и (7.08) для расчета геометрического и арифметического TWR:
Так как мы знаем, что, когда N = 1, G всегда меньше А, можно перефразировать вопрос: «При скольких N G будет равно А?» Математически это будет выглядеть таким образом:
что можно представить следующим образом:
или
или
N в уравнениях с (7.10а) по (7. 10г) представляет собой количество сделок, которое необходимо для того, чтобы геометрическое HPR стало равно арифметическому. Все три уравнения эквивалентны. Решение можно получить методом итераций. Зная для нашего геометрического оптимального портфеля GHPR= 1,01542 и соответствующее AHPR= 1,031 и решая любое уравнение с (7.10а) по (7. 10г), мы находим, что N = 83,49894. Таким образом, после того, как пройдет 83,49894 сделки, геометрическое TWR догонит арифметическое. Полученный результат справедлив для тех TWR, которые соответствуют координате дисперсии геометрического оптимального портфеля.Так же, как и AHPR, GHPR имеет свою линию CML. Рисунок 7‑5 показывает как AHPR, так и GHPR с линиями CML, рассчитанными на основе безрисковой ставки.
|
|
Рисунок 7‑5 AHPR, GHPR и их линии CML
Зная CML для AHPR, можно рассчитать CML для GHPR следующим образом:
CMLG = координата Е (по вертикали) линии CML для GHPR при данной координате V, соответствующей Р;
CMLA= координата Е (по вертикали) линии CML для AHPR при данной координате V, соответствующей Р;
Р = процент в касательном портфеле, рассчитанный из (7.02);
VT = координата дисперсии касательного портфеля.
Следует иметь в виду, что для данной безрисковой ставки касательный портфель и геометрический оптимальный портфель в общем случае не одинаковы. Портфели будут идентичными при выполнении следующего равенства:
(7.12) RFR=GHPROPT‑1,
где RFR = безрисковая ставка;
GHPROPT = среднее геометрическое HPR геометрического оптимального портфеля, т.е. координата Е портфеля на эффективной границе.
Только когда разность GHPR геометрического оптимального портфеля и единицы равна безрисковой ставке, геометрический оптимальный портфель и касательный портфель будут одинаковыми. Если RFR > GHPROPT ‑ 1, тогда геометрический оптимальный портфель будет слева (т.е. иметь меньшую дисперсию, чем касательный портфель). Если RFR < GHPROPT ‑ 1, тогда касательный портфель будет слева (т.е. иметь меньшую дисперсию, чем геометрический оптимальный портфель). Во всех случаях касательный портфель, конечно же, никогда не будет иметь более высокое GHPR, чем геометрический оптимальный портфель.
Отметьте также, что точки касания CML к GHPR и CML к AHPR имеют одну координату SD. Мы можем использовать уравнение (7.01а) для поиска касательного портфеля GHPR, заменив в (7.01а) AHPR на GHPR. В результате получится следующее уравнение:
где МАХ{}= максимальное значение;
GHPR = геометрическое среднее HPR, т.е. координата Е данного портфеля на эффективной границе;
SD = стандартное отклонение HPR, т.е. координата SD данного портфеля на эффективной границе;
RFR = безрисковая ставка.
Неограниченные портфели
В этом разделе мы увидим, что можно поднять прибыли выше линии GCML, если снять ограничение на сумму весов. Давайте вернемся к геометрическим оптимальным портфелям. Если мы попробуем составить геометрический оптимальный портфель из наших четырех рыночных систем – Toxico, Incubeast, LA Garb и сберегательного счета, то с помощью уравнений с (7.0ба) по (7.06г) найдем, что он является таковым при Е, равном 0,1688965, и V, равном 0,1688965. Среднее геометрическое такого портфеля будет равно 1,094268, а состав портфеля будет иметь вид:
Toxico 18,89891%
Incubeast 19,50386%
LA Garb 58,58387%
Сберегательный счет 0,03014%
При решении уравнений с (7.06а) по (7.06г) необходимо использовать метод итераций, т.е. выбирать тестируемое значение для Е и решать матрицу для этого Е. Если полученное значение дисперсии больше значения Е, это означает, что тестируемое значение Е слишком высокое и в следующей попытке следует его понизить. Вы можете определить дисперсию портфеля, используя одно из уравнений с (6.06а) по (6.06г). Повторяйте процесс, пока не будет выполняться любое из равенств с (7.06а) по (7.06г). Таким образом вы получите геометрический оптимальный портфель (отметьте, что все рассмотренные портфели на эффективной границе AHPR или на эффективной границе GHPR определяются с учетом того, что сумма весов равна 100%, или 1,00). Вспомните уравнение (6.10), используемое в первоначальной расширенной матрице для поиска оптимальных весов портфеля, уравнение отражает тот факт, что сумма весов равна 1:
где N = количество ценных бумаг, составляющих портфель;
X. = процентный вес ценной бумаги L Уравнение также можно представить следующим образом:
Мы можем найти неограниченный оптимальный портфель, если левую часть этого уравнения приравнять к числу больше 1. Для этого добавим еще одну рыночную систему, называемую беспроцентным вкладом (non‑interest‑bearing cash (NIC)), в первоначальную расширенную матрицу Данная рыночная система будет иметь дневное среднее арифметическое HPR= 1,0, а стандартное отклонение, дисперсию и ковариацию дневных HPR равными 0. Коэффициенты корреляции NIC с любой другой рыночной системой всегда равны 0.
Теперь установим ограничение суммы весов на некоторое произвольное число, большее единицы. Хорошим первоначальным значением будет количество используемых рыночных систем (без NIC), умноженное на три. Так как мы имеем 4 рыночные системы (не учитывая NIC), то ограничим сумму весов 4*3=12.
Отметьте, что мы просто устанавливаем ограничение на произвольное значение, большее единицы. Разность между этим выбранным значением и суммой полученных весов будет весом системы NIC.
На самом деле, мы не собираемся инвестировать в NIC. Это просто дополнительная переменная, с помощью которой мы создадим матрицу для получения
неограниченных весов рыночных систем. Теперь возьмем параметры наших четырех рыночных систем из главы 6 и добавим NIC:
Ковариации рыночных систем, включая NIC, будут следующими:
Добавив NIC, мы получим 5 рыночных систем, и обобщенная форма первоначальной расширенной матрицы будет выглядеть следующим образом:
неограниченных весов рыночных систем. Теперь возьмем параметры наших четырех рыночных систем из главы 6 и добавим NIC:
Инвестиция | Ожидаемая прибыль в виде HPR | Ожидаемое стандартное отклонение прибыли |
Toxico | 1,095 | 0,316227766 |
Incubeast Corp. | 1,13 | 0,5 |
LA Garb | 1,21 | 0,632455532 |
Сберегательный счет | 1,085 | 0 |
Беспроцентный вклад | 1,00 | 0 |
Ковариации рыночных систем, включая NIC, будут следующими:
Т | I | L | S | N | |
Т | 0,1 | ‑0,0237 | 0,01 | 0 | 0 |
I | ‑0,0237 | 0,25 | 0,079 | 0 | 0 |
L | 0,01 | 0,079 | 0,4 | 0 | 0 |
S | 0 | 0 | 0 | 0 | 0 |
N | 0 | 0 | 0 | 0 | 0 |
Добавив NIC, мы получим 5 рыночных систем, и обобщенная форма первоначальной расширенной матрицы будет выглядеть следующим образом:
После включения NIC первоначальная расширенная матрица приобретет вид:
Отметьте, что значение на пересечении столбца ответов и второй строки, т.е. ограничение суммы весов, равно количеству рыночных систем (не включая NIC), умноженному на 3. С помощью элементарных преобразований, описанных в главе 6, получим единичную матрицу. Теперь вы можете определить эффективную границу AHPR и эффективную границу GHPR для портфеля с неограниченными весами. Эффективная граница AHPR для портфеля с неограниченными весами соответствует использованию рычага (заемного капитала) без реинвестирования.
Эффективная граница GHPR соответствует использованию рычага и реинвестированию прибылей. Наша цель – найти оптимальный неограниченный геометрический портфель, который в результате даст наибольший геометрический рост. Можно использовать уравнения с (7.Оба) по (7.06г) для нахождения на эффективной границе геометрического оптимального портфеля. В нашем случае, независимо от того, какое значение мы пытаемся найти для Е (значение на пересечение столбца ответов и первой строки), мы получаем один и тот же портфель, состоящий только из сберегательного счета, поднятого рычагом для достижения желаемого значения Е. В этом случае мы получаем самое низкое V (т. е. 0) для любого Е.
Удалим из матрицы сберегательный счет и повторим процедуру. На этот раз мы рассмотрим только четыре рыночные системы (Toxico, Incubeast, LA Garb и NIC) и ограничим сумму весов числом 9. Мы должны поступить таким образом, потому что, как только в матрице появляется компонент с нулевой дисперсией и AHPR большим 1, мы получаем оптимальный портфель, состоящий из одного компонента, а для соответствия требуемому Е будет меняться только рычаг этого компонента.
Решив матрицу, мы увидим, что уравнения с (7.06а) по (7.06г) удовлетворяются при Е, равном 0,2457. Так как это геометрический оптимальный портфель, V также равно 0,2457. Получившееся среднее геометрическое равно 1,142833. Портфель будет выглядеть следующим образом:
Toxico 102,5982%
Incubeast 49,00558%
LA Garb 40,24979%
NIC 708,14643%
Возникает резонный вопрос: «Каким образом сумма весов компонентов может быть больше 100%?» Мы ответим на этот вопрос, но несколько позже.
Если NIC не является одним из компонентов геометрического оптимального портфеля, то следует поднять ограничение суммы весов S до уровня, когда NIC станет одним из компонентов геометрического оптимального портфеля. Вспомните, что если в портфеле есть только два компонента, причем коэффициент корреляции между ними равен ‑1 и оба компонента имеют положительное математическое ожидание, тогда от вас потребуется финансирование бесконечного числа контрактов, поскольку такой портфель никогда не будет проигрывать. Следует также отметить, что чем ниже коэффициенты корреляции между компонентами в портфеле, тем выше процент, требуемый для инвестирования в эти компоненты. Разность между инвестированными процентными долями и ограничением суммы весов S должна быть заполнена NIC. Если NIC отсутствует среди компонентов геометрического оптимального портфеля, значит портфель работает при ограниченном S и поэтому не может считаться неограниченным геометрическим оптимальным портфелем. Так как вы не будете в действительности инвестировать в NIC, то не имеет значения, каков его вес, пока он является частью геометрического оптимального портфеля.
Дата добавления: 2018-10-26; просмотров: 207; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!