Переключение состояний: как турбулентность COVID-19 повлияла на рынки

от

Автор: Денис Аветисян

Новая модель переключения состояний, использующая инновационный Экономический Индекс, демонстрирует значительное улучшение результатов инвестиционного портфеля в условиях волатильности, вызванной пандемией.

"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
Результаты распределения активов за период с января 1980 по сентябрь 2020 года демонстрируют, что инвестор с коэффициентом относительной неприятия риска, равным трём, используя прогностические модели избыточной доходности - от простейших, основанных на регрессии (PLS, PCA), до комбинированных и исторических средних - показывает различную динамику накопленного капитала, причём модели, учитывающие переключение состояний рынка, демонстрируют иную производительность по сравнению с однофакторными подходами, а рецессии, отмеченные NBER, оказывают заметное влияние на эффективность инвестиционных стратегий, что особенно прослеживается к последнему кварталу 2019 года.
Результаты распределения активов за период с января 1980 по сентябрь 2020 года демонстрируют, что инвестор с коэффициентом относительной неприятия риска, равным трём, используя прогностические модели избыточной доходности — от простейших, основанных на регрессии (PLS, PCA), до комбинированных и исторических средних — показывает различную динамику накопленного капитала, причём модели, учитывающие переключение состояний рынка, демонстрируют иную производительность по сравнению с однофакторными подходами, а рецессии, отмеченные NBER, оказывают заметное влияние на эффективность инвестиционных стратегий, что особенно прослеживается к последнему кварталу 2019 года.

Исследование показывает, что учет зависимости от состояния рынка и использование метода частных наименьших квадратов повышает эффективность стратегий распределения активов и оптимизации портфеля.

Несмотря на широкое использование традиционных экономических индикаторов, предсказание доходности фондового рынка остается сложной задачей, особенно в периоды высокой волатильности. В работе ‘Switching between states and the COVID-19 turbulence’ исследуется возможность повышения точности прогнозов за счет учета смены экономических режимов и предлагается новый Индекс Согласованных Экономических Показателей. Полученные результаты демонстрируют, что использование данного индекса в модели переключения состояний значительно улучшает показатели портфеля и обеспечивает существенные экономические выгоды для инвесторов в сравнении с традиционными подходами. Может ли данный подход стать основой для разработки более устойчивых инвестиционных стратегий в условиях турбулентности рынков и непредсказуемых экономических шоков?

Хрупкость Прогнозов: Суть Проблемы

Традиционное экономическое прогнозирование основывается на выявлении устойчивых взаимосвязей между различными показателями, однако эта практика сталкивается с серьезными трудностями в условиях постоянно меняющейся экономической динамики. Предположение о стационарности этих связей, часто лежащее в основе многих моделей, все чаще не соответствует действительности. Глобализация, технологические прорывы и меняющиеся потребительские предпочтения приводят к тому, что закономерности, работавшие в прошлом, могут оказаться неактуальными в настоящем. Это приводит к ошибкам в прогнозах и снижает их надежность, особенно в долгосрочной перспективе. Таким образом, необходимость адаптации методов прогнозирования к текущей экономической реальности становится критически важной задачей для экономистов и аналитиков.

Несмотря на кажущуюся точность экономических моделей, их предсказательная сила в реальном времени часто оказывается ненадежной из-за фундаментальной нестабильности параметров и неизбежной неопределенности самой модели. Параметры, отражающие взаимосвязи в экономике, подвержены постоянным изменениям под воздействием внешних факторов и внутренних процессов, что приводит к смещению калибровок и снижению точности прогнозов. Более того, сама структура модели всегда является упрощением реальности, и неизбежные ошибки спецификации и неполнота данных вносят дополнительную неопределенность. Эта комбинация факторов создает серьезные трудности для использования моделей в качестве надежного инструмента для принятия решений, особенно в условиях быстро меняющейся экономической среды, где даже небольшие отклонения в параметрах могут привести к значительным ошибкам прогнозирования.

Несмотря на стремление учесть меняющуюся экономическую ситуацию, модели прогнозирования с переменными параметрами зачастую демонстрируют неудовлетворительные результаты. Эта тенденция обусловлена склонностью к переобучению — когда модель слишком точно подстраивается под исторические данные, теряя способность адекватно прогнозировать будущее. Кроме того, нестабильность параметров, характеризующая экономические процессы, приводит к постоянному изменению коэффициентов модели, что снижает её надёжность и точность прогнозов. Таким образом, попытки усовершенствовать прогнозы за счёт адаптации к изменяющимся условиям могут приводить к парадоксальному результату — снижению качества прогнозирования, если не учитывать риски переобучения и нестабильности параметров $ \beta $.

Анализ распределения активов в период с января 1980 по сентябрь 2020 года показывает, что оптимальное распределение между акциями и безрисковыми активами, основанное на прогнозах избыточной доходности, полученных с использованием различных методов (PLS, PCA и комбинирование прогнозов), позволяет адаптироваться к экономическим циклам, что подтверждается соответствием рецессиям по NBER, и демонстрирует стабильную стратегию инвестирования вплоть до конца 2019 года.
Анализ распределения активов в период с января 1980 по сентябрь 2020 года показывает, что оптимальное распределение между акциями и безрисковыми активами, основанное на прогнозах избыточной доходности, полученных с использованием различных методов (PLS, PCA и комбинирование прогнозов), позволяет адаптироваться к экономическим циклам, что подтверждается соответствием рецессиям по NBER, и демонстрирует стабильную стратегию инвестирования вплоть до конца 2019 года.

Создание Прочной Основы: Индекс Согласованных Экономических Показателей

Экономически обоснованные ограничения предоставляют возможность повышения точности прогнозирования за счет включения априорных знаний и теоретических ограничений в модель. В отличие от чисто статистических подходов, которые опираются исключительно на исторические данные, использование экономических принципов позволяет задать рамки для анализа и исключить неправдоподобные сценарии. Например, можно использовать теоретические ограничения, основанные на законе спроса и предложения, или ограничения, вытекающие из моделей общего равновесия. Это способствует более стабильным и надежным прогнозам, особенно в периоды структурных изменений или при ограниченном объеме исторических данных. Применение таких ограничений позволяет уменьшить переобучение модели и повысить ее способность к обобщению, что критически важно для долгосрочного прогнозирования.

Индекс согласованных экономических показателей (Aligned Economic Index) использует ограничения, основанные на экономических принципах, для объединения фундаментальных предикторов и премиальной информации посредством метода частных наименьших квадратов (PLS). PLS позволяет построить модель, учитывающую взаимосвязи между большим количеством предикторов и целевой переменной, одновременно снижая риск переобучения. Этот подход позволяет эффективно использовать как широко доступные макроэкономические данные, так и более детализированную, но менее общедоступную информацию, формируя комплексный и надежный индикатор экономической активности. Применение PLS позволяет выявить ключевые факторы, влияющие на экономическую динамику, и построить модель с высокой прогностической способностью.

Индекс использует как регрессию в одном состоянии (One-State Regression), для выявления устойчивых, долгосрочных взаимосвязей между экономическими показателями, так и регрессию с переключением состояний (State-Switching Regression), позволяющую учитывать временные изменения в этих взаимосвязях. Включение обоих методов позволяет Индексу одновременно фиксировать как персистентные эффекты — факторы, стабильно влияющие на экономику в течение длительного периода времени — так и динамические эффекты, отражающие краткосрочные колебания и изменения в экономических отношениях, вызванные, например, внешними шоками или изменениями в политике.

От Прогнозов к Результатам: Стратегии Распределения Активов

Индекс согласованной экономической оценки (Aligned Economic Index) является ключевым входным параметром в рамках оптимизационной модели «Средняя дисперсия» (Mean-Variance Portfolio optimization), определяющей стратегию распределения активов. В данной модели индекс используется для динамической корректировки весов активов, стремясь к максимизации коэффициента Шарпа ($Sharpe Ratio$). В частности, при изменении состояния экономики, отражаемого индексом, происходит перераспределение капитала между основными активами — акциями S&P 500 и казначейскими облигациями США — с целью оптимизации соотношения риска и доходности портфеля.

В рамках данной стратегии управления активами, в качестве основных активов используются индекс S&P 500 и казначейские векселя США. Применение этих активов обусловлено стремлением к максимизации коэффициента Шарпа ($Sharpe Ratio$), который является мерой доходности с учетом риска. Оптимизация портфеля на основе этих двух активов позволяет добиться наиболее эффективного соотношения между ожидаемой доходностью и волатильностью, что является ключевым фактором при оценке эффективности инвестиционной стратегии.

Оценка эффективности любой динамической инвестиционной стратегии, включая стратегию «Купи и держи», требует обязательного учета транзакционных издержек. Транзакционные расходы, включающие комиссии брокерам, спреды и другие сопутствующие затраты, напрямую влияют на итоговую доходность инвестиций. Игнорирование этих расходов может привести к завышенной оценке эффективности стратегии и неверным инвестиционным решениям. В частности, при анализе динамических стратегий, предполагающих частые перебалансировки портфеля, влияние транзакционных издержек может быть существенным и существенно снизить итоговую прибыль, нивелируя потенциальные выгоды от активного управления.

Исследование показало, что использование модели переключения состояний (state-switching model) в сочетании с Индексом Согласованной Экономической Оценки (Aligned Economic Index) обеспечивает годовую доходность до 5,54% с учетом транзакционных издержек. Данный показатель был получен в результате анализа исторических данных и моделирования различных сценариев развития экономики. В ходе исследования учитывались комиссии брокеров, налоги и другие издержки, связанные с проведением операций на финансовых рынках, что позволило получить реалистичную оценку эффективности данной стратегии.

Результаты исследования показывают, что использование модели переключения состояний (state-switching model) в сочетании с Индексом согласованной экономической оценки (Aligned Economic Index) позволило добиться увеличения доходности, эквивалентной с учетом риска (certainty-equivalent returns — CER), на 183% по сравнению со стратегией «купи и держи» (buy-and-hold strategy). Данный показатель отражает превосходство динамического подхода к управлению активами в плане оптимизации соотношения риска и доходности. Более высокая CER указывает на способность стратегии генерировать большую доходность на единицу принятого риска, что делает её более привлекательной для инвесторов, ориентированных на максимизацию доходности с учетом допустимого уровня риска.

Результаты модели переключения состояний (state-switching model) продемонстрировали коэффициент Шарпа (Sharpe Ratio) в размере 0.25. Это почти вдвое превышает значение, полученное для базовой стратегии (benchmark strategy), которое составило 0.13. Коэффициент Шарпа, рассчитываемый как $ \frac{R_p — R_f}{\sigma_p} $, где $R_p$ — средняя доходность портфеля, $R_f$ — безрисковая ставка доходности, а $\sigma_p$ — стандартное отклонение доходности портфеля, является мерой доходности, скорректированной на риск. Более высокое значение коэффициента Шарпа указывает на лучшую доходность на единицу риска.

В периоды рецессии модель EPCAE (Economic Predictive Capital Asset Evaluation) демонстрирует повышенную эффективность, обеспечивая прирост достоверно-эквивалентной доходности (CER) до 5.82%. Данный показатель отражает способность модели адаптироваться к изменяющимся экономическим условиям и генерировать прибыль даже в периоды спада, что делает ее привлекательной для инвесторов, стремящихся к защите капитала и поддержанию доходности в неблагоприятной рыночной конъюнктуре. Полученные результаты свидетельствуют о потенциале EPCAE для использования в качестве инструмента управления рисками и повышения эффективности инвестиционных портфелей в периоды экономической нестабильности.

Исследование демонстрирует, что применение модели переключения состояний, основанной на инновационном Индексе Согласованной Экономики, позволяет существенно повысить эффективность портфеля и получить ощутимую экономическую выгоду для инвесторов. Подобный подход к анализу экономической турбулентности, вызванной, например, пандемией COVID-19, требует признания изменчивости состояний рынка и отказа от упрощенных статических моделей. Как заметил Гегель: «То, что разумно, то и реально; и то, что реально, то и разумно». Данная работа подтверждает эту мысль, показывая, что адекватное отражение динамики экономических состояний в моделях управления активами не просто возможно, но и необходимо для достижения оптимальных результатов. Игнорирование этой изменчивости приводит к ошибочным прогнозам и, следовательно, к убыткам.

Куда же дальше?

Представленная работа, безусловно, демонстрирует потенциал моделей с переключением состояний в управлении инвестиционным портфелем. Однако, не стоит обольщаться: улучшение показателей — это не гарантия абсолютной истины, а лишь приглашение к более тщательному исследованию. Новый Экономический Индекс, хоть и показавший свою эффективность, требует дальнейшей проверки на различных временных горизонтах и в условиях, отличающихся от тех, что были использованы в настоящем исследовании. Успех модели не означает, что все остальные подходы обречены на неудачу, а лишь подчеркивает необходимость критического переосмысления существующих методов.

Особое внимание следует уделить проблеме идентификации состояний. Очевидно, что разделение на дискретные состояния — упрощение реальности. Возможно, более точным подходом будет использование непрерывных переменных или моделей, учитывающих вероятностные переходы между состояниями. Кроме того, следует помнить, что эффективность любой модели напрямую зависит от качества входных данных. Даже самый совершенный алгоритм не сможет компенсировать ошибки или искажения в исходной информации.

В конечном итоге, задача состоит не в создании идеальной модели, а в разработке инструментов, позволяющих инвесторам принимать более обоснованные решения. Необходимо помнить, что рынок — это сложная и динамичная система, и любые прогнозы носят вероятностный характер. Истинное мастерство заключается не в предсказании будущего, а в умении адаптироваться к меняющимся условиям и извлекать уроки из собственных ошибок. Всё, что подтверждает ожидания, требует двойной проверки.

Оригинал статьи: https://arxiv.org/pdf/2512.20477.pdf

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

Смотрите также:

2025-12-24 18:13