Минимизация риска: как выбрать активы в долгосрочном портфеле

Автор: Денис Аветисян

Новое исследование предлагает четкое решение для определения оптимального набора активов в долгосрочном портфеле с минимальным риском, работающем в условиях однофакторной модели рынка.

"Покупай на слухах, продавай на новостях". А потом сиди с акциями никому не известной биотех-компании. Здесь мы про скучный, но рабочий фундаментал.

Бесплатный Телеграм канал

Минимально-дисперсионный портфель, сформированный с учетом как длинных, так и коротких позиций, демонстрирует концентрацию инвестиций в 195 активах с наименьшим значением бета (включая 34 актива с отрицательным бета), в то время как портфель, основанный исключительно на длинных позициях, распределяет вес между 3299 активами (66% от общего числа) и требует учета модели однофакторного риска с нормальным распределением бета [latex]\mathcal{N}(1,\,0.4^{2})[/latex] и фиксированным значением дисперсии [latex]\sigma^{2}=1[/latex] для каждого актива. — Минимально-дисперсионный портфель, сформированный с учетом как длинных, так и коротких позиций, демонстрирует концентрацию инвестиций в 195 активах с наименьшим значением бета (включая 34 актива с отрицательным бета), в то время как портфель, основанный исключительно на длинных позициях, распределяет вес между 3299 активами (66% от общего числа) и требует учета модели однофакторного риска с нормальным распределением бета $\mathcal{N}(1,\,0.4^{2})$ и фиксированным значением дисперсии $\sigma^{2}=1$ для каждого актива.

Теоретический анализ и асимптотические свойства портфеля с минимальной дисперсией, ограниченного длинными позициями в однофакторной модели.

Несмотря на широкое применение портфельной оптимизации с минимальной дисперсией, аналитическое определение активного набора активов в условиях однофакторной модели и ограничений на длинные позиции остается сложной задачей. В данной работе, ‘The Long-Only Minimum Variance Portfolio in a One-Factor Market: Theory and Asymptotics’, предложено явное решение для определения активных активов в портфеле с минимальной дисперсией и длинными позициями, а также получены асимптотические свойства доли активных активов, стремящейся к $F(β^<i>)$ , где $β^</i>$ — корень интегрального уравнения. Полученные результаты позволяют уточнить условия сходимости доли активных активов к нулю при положительных бетах и оценить скорость сходимости при малых значениях $F(0)$ . Каким образом предложенный подход может быть расширен для учета более сложных факторных моделей и нелинейных ограничений на портфель?

За пределами Марковица: Стремление к Оптимизации с Ограничениями

Традиционные методы оптимизации портфеля, берущие начало в модели Марковица, зачастую приводят к формированию портфелей с существенными короткими позициями и сложной структурой заемных средств. Это связано с тем, что алгоритм стремится к максимальной доходности, не ограничивая возможности продажи активов, которыми инвестор не владеет. В результате, портфель может включать в себя значительный объем активов, приобретенных в долг, что увеличивает риски и требует постоянного мониторинга и управления. Более того, короткие позиции подразумевают необходимость покрытия убытков в случае роста цены проданного актива, что может привести к значительным финансовым потерям. Такая структура портфеля, хотя и потенциально прибыльная, часто не соответствует потребностям и ограничениям многих инвесторов, предпочитающих более консервативные и понятные стратегии.

Для многих инвесторов портфели, сформированные с использованием классических методов оптимизации, часто оказываются неприемлемыми из-за значительных коротких позиций и сложного использования кредитного плеча. Эти особенности могут увеличить риски и затруднить практическую реализацию стратегии. В связи с этим возникает потребность в альтернативных подходах, которые делают акцент на простоте и практических ограничениях, таких как требование о владении только длинными позициями. Такой подход позволяет создать более интуитивно понятные и легко реализуемые портфели, соответствующие потребностям более широкого круга инвесторов и снижающие операционные издержки, связанные со сложными финансовыми инструментами.

Метод LOMV (Long-Only MV Portfolio) представляет собой альтернативный подход к оптимизации портфеля, направленный на решение проблем, возникающих при использовании традиционной модели Марковица. В отличие от классического подхода, который часто приводит к значительным коротким позициям и сложному использованию заемных средств, LOMV ограничивает инвестиции исключительно длинными позициями. Это обеспечивает не только более понятную и интуитивно доступную структуру портфеля для инвестора, но и значительно упрощает его практическую реализацию. Ограничение на длинные позиции позволяет избежать рисков, связанных с неограниченным использованием заемных средств, и делает портфель более устойчивым к неблагоприятным рыночным условиям. Таким образом, метод LOMV предоставляет более практичное и надежное решение для оптимизации инвестиционного портфеля, ориентированное на долгосрочную перспективу и снижение рисков.

Представленный подход напрямую преодолевает ограничения неконстраинированной оптимизации, вводя условие неотрицательности для всех весов портфеля. Это означает, что портфель формируется исключительно из длинных позиций, исключая возможность использования коротких продаж и сложного плеча. В результате, вместо поиска оптимального решения в бесконечном пространстве возможностей, оптимизация сводится к более узкой и практически реализуемой задаче. Данная методология, продемонстрированная в настоящей работе, позволяет получить явное аналитическое решение, что существенно упрощает процесс построения и управления инвестиционным портфелем, делая его более прозрачным и предсказуемым для инвестора.

Анализ распределения активного соотношения для портфеля LOMV при различных значениях дисперсии [latex]\sigma^2[/latex] распределения β показывает, что уменьшение дисперсии приводит к снижению вероятности получения отрицательных значений β и приближению к теоретическому пределу активного соотношения при [latex]p \to \in fty[/latex]. — Анализ распределения активного соотношения для портфеля LOMV при различных значениях дисперсии $\sigma^2$ распределения β показывает, что уменьшение дисперсии приводит к снижению вероятности получения отрицательных значений β и приближению к теоретическому пределу активного соотношения при $p \to \in fty$ .

Однофакторная Модель: Основа для LOMV

Портфель LOMV использует однофакторную модель для упрощения оценки ковариаций активов, что существенно снижает вычислительную сложность. В традиционных методах оценки ковариационной матрицы требуется $N(N+1)/2$ параметров для $N$ активов, что приводит к значительным вычислительным затратам при увеличении числа активов. Однофакторная модель редуцирует количество оцениваемых параметров до трех: дисперсии фактора, дисперсии специфических ошибок и экспозиции каждого актива по отношению к фактору. Это упрощение позволяет эффективно рассчитывать оптимальные веса портфеля, особенно при работе с крупными портфелями, сохраняя при этом приемлемый уровень точности.

В рамках данной модели, доходность активов определяется общим фактором и специфическими для каждого актива отклонениями. Это предполагает, что общая часть доходности всех активов коварирует, в то время как остальная часть — уникальна для каждого актива. Влияние общего фактора на конкретный актив количественно оценивается показателем Asset Exposure, отражающим степень чувствительности доходности актива к изменениям этого фактора. Величину несистематического риска, не связанного с общим фактором, характеризует показатель Asset-Specific Variance, представляющий собой дисперсию случайных отклонений доходности актива. Таким образом, доходность $i$ -го актива может быть представлена как $r_i = \beta_i F + \sigma_i \epsilon_i$ , где $F$ — общий фактор, $\beta_i$ — Asset Exposure, $\sigma_i$ — стандартное отклонение Asset-Specific Variance, а $\epsilon_i$ — случайная величина с нулевым средним и единичной дисперсией.

В основе упрощенного представления риска в модели лежит использование дисперсии фактора. Вместо оценки ковариаций между всеми активами, модель фокусируется на систематических рисках, определяемых общим фактором. Это позволяет снизить вычислительную сложность, поскольку для оценки общего риска достаточно знать дисперсию этого фактора $\sigma_f^2$ и экспозицию каждого актива к нему. Таким образом, модель концентрируется на рисках, связанных с общими рыночными движениями, а не на специфических для каждого актива колебаниях, что приводит к более компактному и эффективному представлению портфельного риска.

Упрощение, достигаемое за счет использования однофакторной модели, позволяет эффективно вычислять оптимальные веса портфеля, сохраняя при этом приемлемый уровень точности. Вместо решения сложных систем уравнений, требующих итерационных методов, однофакторная модель предоставляет аналитическое, явное решение LOMV (Large Observation Matrix Vector) задачи. Это достигается за счет сведения проблемы к более компактной форме, где вычисление весов основывается на оценках дисперсии фактора, подверженности активов фактору и специфической дисперсии каждого актива. Такой подход существенно снижает вычислительную сложность, особенно при работе с большими портфелями, и позволяет получать решения за разумное время, что критически важно для практического применения.

При использовании LOMV активного коэффициента ratiokp/pk\_{p}/p с бета-распределением, дискретизированным вероятностями P(β=-1)=0.05, P(β=1)=0.15, P(β=2)=0.30, P(β=5)=0.50, предел kp/p не существует из-за наличия атома в β*=2, что приводит к не сходимости, проявляющейся в расхождении между результатами Монте-Карло с низким (kp/p ≈ 0.20) и высоким (kp/p ≈ 0.50) режимами.

Оптимизация к Простоте: LOMV на Практике

В основе подхода LOMV (Least Out-of-sample Variance) лежит минимизация дисперсии портфеля при соблюдении бюджетного ограничения и ограничений неотрицательности весов активов. Формально, задача оптимизации выражается как поиск минимального значения $\sum_{i=1}^{N} \sum_{j=1}^{N} w_i \Sigma_{ij} w_j$ , где $w_i$ — вес i-го актива в портфеле, а $\Sigma_{ij}$ — ковариация между i-м и j-м активами. Бюджетное ограничение требует, чтобы сумма весов всех активов равнялась единице: $\sum_{i=1}^{N} w_i = 1$ . Ограничения неотрицательности гарантируют, что ни один актив не имеет отрицательного веса: $w_i \geq 0$ для всех i. Решение данной оптимизационной задачи определяет оптимальный состав портфеля с минимальной дисперсией, соответствующий требованиям долгой позиции по всем активам.

Процесс оптимизации в рамках подхода LOMV определяет так называемый «Активный Набор Активов» — подмножество активов, имеющих ненулевые веса в итоговой структуре портфеля. Идентификация данного набора является ключевым этапом, поскольку именно эти активы вносят вклад в формирование конечной композиции портфеля и, следовательно, определяют его характеристики риска и доходности. В отличие от включения всех доступных активов, фокусировка на активном наборе упрощает управление портфелем и снижает транзакционные издержки, поскольку инвестиции концентрируются в ограниченном числе позиций. Определение весов для активов, входящих в активный набор, осуществляется посредством решения задачи оптимизации, обеспечивающей минимизацию дисперсии портфеля при соблюдении заданных ограничений.

В отличие от портфеля GMV (Global Minimum Variance), допускающего короткие продажи, LOMV (Long-Only Minimum Variance) представляет собой более практичное решение для инвесторов, придерживающихся стратегий с длинными позициями. GMV, стремясь к минимизации дисперсии портфеля, может включать в себя активы с отрицательными весами (короткие продажи), что связано с дополнительными рисками и издержками, такими как комиссии за заимствование активов и потенциальные убытки в случае роста цен на проданные активы. LOMV, напротив, ограничивает веса активов неотрицательными значениями, что упрощает реализацию стратегии и снижает потенциальные риски, связанные с короткими продажами, делая его более подходящим для широкого круга инвесторов, предпочитающих только длинные позиции.

Результирующий портфель, сформированный с использованием подхода LOMV, обеспечивает баланс между минимизацией риска и соблюдением ограничения неотрицательности весов активов. Это упрощает процесс реализации стратегии по сравнению с портфелями, допускающими короткие продажи, и снижает потенциальные риски, связанные с использованием левериджа или неликвидных инструментов. Данный подход предоставляет четкое и определенное решение для формирования портфеля, соответствующее требованиям инвесторов, придерживающихся стратегий “длинных” позиций, и демонстрирует возможность получения оптимального портфеля в рамках заданных ограничений, что подтверждается результатами, представленными в данной работе.

Подтверждение Эффективности LOMV: Результаты Монте-Карло

Для всесторонней оценки эффективности стратегии LOMV были использованы методы Монте-Карло, позволившие смоделировать большое количество возможных сценариев развития портфеля в различных рыночных условиях. Этот подход включал генерацию множества случайных реализаций, каждая из которых представляла собой потенциальную траекторию изменения цен активов. Благодаря этому стало возможным оценить, как портфель LOMV ведет себя в широком диапазоне экономических ситуаций — от благоприятных до неблагоприятных — и определить его устойчивость к рыночным колебаниям. Использование методов Монте-Карло обеспечило надежную и объективную оценку производительности LOMV, выявив закономерности поведения портфеля и подтвердив его способность адаптироваться к изменяющейся рыночной конъюнктуре.

Анализ коэффициента активной доли, используемого для оценки концентрации портфеля, выявил закономерности сходимости и стабильности в процессе моделирования. Исследование показало, что данный коэффициент стремится к определенному значению, что указывает на достижение баланса между диверсификацией и концентрацией активов. Стабильность коэффициента активной доли свидетельствует о надежности формируемого портфеля и его устойчивости к изменениям рыночной конъюнктуры. Это позволяет утверждать, что предложенный подход к формированию портфеля обеспечивает предсказуемую концентрацию активов, что, в свою очередь, способствует снижению общего риска и повышению эффективности инвестиций.

Проведенные моделирования методом Монте-Карло подтверждают, что портфель LOMV последовательно достигает баланса между диверсификацией и концентрацией, что приводит к снижению общего риска. Анализ показал, что коэффициент активной доли ( $\text{Active Ratio}$ ), характеризующий концентрацию портфеля, демонстрирует устойчивую тенденцию к сходимости. Данное поведение указывает на способность подхода LOMV формировать надежные и практичные портфельные распределения, обеспечивая эффективное решение задачи оптимизации, где достигается компромисс между широкой диверсификацией и умеренной концентрацией активов для максимизации доходности с учетом риска.

Результаты проведенных исследований демонстрируют высокую эффективность подхода LOMV в формировании устойчивых и практически применимых портфельных инвестиций. Моделирование методом Монте-Карло позволило подтвердить, что данная методика предоставляет четкое и конкретное решение задачи LOMV, обеспечивая баланс между диверсификацией и концентрацией активов. Полученные портфели демонстрируют стабильность и надежность в различных рыночных условиях, что делает LOMV перспективным инструментом для оптимизации инвестиционных стратегий и снижения общего риска. Данный подход предоставляет инвесторам возможность формирования портфелей, соответствующих их целям и уровню допустимого риска, с высокой степенью уверенности в достижении поставленных задач.

Данная работа, стремясь к ясности в сложном мире оптимизации портфеля, демонстрирует элегантное решение для определения активных активов в условиях однофакторной модели. Исследование подчеркивает, что пропорция этих активов сходится к определенному значению, что позволяет говорить о теоретической обоснованности подхода. Как заметил Блез Паскаль: «Всякое зло есть следствие слабости». В контексте финансового моделирования, эта слабость проявляется в избыточной сложности и неясности. Стремление к минимизации дисперсии, представленное в статье, можно рассматривать как попытку преодолеть эту слабость, достичь ясности и стабильности в управлении портфелем, удаляя все лишнее и фокусируясь на существенном.

Что дальше?

Представленное исследование, обнажив явный расчет активных активов в портфеле минимальной дисперсии с длинными позициями в рамках однофакторной модели, лишь подчеркивает фундаментальную сложность, скрывающуюся за кажущейся простотой. Теоретические выводы относительно пропорции активных активов и их сходимости — это не столько ответы, сколько приглашение к дальнейшему упрощению. Вопрос не в том, чтобы добавить новые факторы или усложнить модель, а в том, чтобы выявить неизбежные ограничения любого упрощения.

Очевидным направлением для будущих исследований является исследование устойчивости полученных результатов к отклонениям от идеализированных предположений однофакторной модели. Реальные рынки редко соответствуют подобной элегантности. Однако истинный прогресс, вероятно, будет достигнут не в попытках приблизиться к реальности, а в осознании, что любая модель — это всего лишь инструмент, полезность которого определяется не её точностью, а её способностью прояснить суть, отбросив избыточность.

В конечном счете, ценность подобных исследований заключается не в предсказании будущих рыночных движений, а в понимании того, что сама оптимизация — это иллюзия. Стремление к совершенству в портфеле минимальной дисперсии — это не поиск оптимального решения, а признание неизбежной неопределенности. И в этом, возможно, и заключается истинная красота.

Оригинал статьи: https://arxiv.org/pdf/2604.09986.pdf

Связаться с автором: https://www.linkedin.com/in/avetisyan/

Смотрите также:

2026-04-14 09:02