Моделирование процесса поддержки принятия решений на рынке паевых инвестиционных фондов РФ тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат наук Гаврилюк, Владислав Игоревич

• Гаврилюк, Владислав Игоревич
• кандидат наук
• 2013

Оглавление диссертации кандидат наук Гаврилюк, Владислав Игоревич

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

ГЛАВА 1. АНАЛИЗ МЕТОДОВ И СРЕДСТВ ПОДДЕРЖКИ РЕШЕНИЙ В СФЕРЕ ФОНДОВ КОЛЛЕКТИВНЫХ ИНВЕСТИЦИЙ

1.1 Анализ мирового рынка и обзор современных подходов к оценке эффективности взаимных фондов

1.2 Становление и развитие рынка паевых инвестиционных фондов в Российской Федерации

1.3 Анализ инструментов поддержки решений инвесторов на

российском рынке паевых инвестиционных фондов

Выводы по первой главе

ГЛАВА 2. МАТЕМАТИЧЕСКИЕ И ИНСТРУМЕНТАЛЬНЫЕ МЕТОДЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ НА РЫНКЕ ПАЕВЫХ ИНВЕСТИЦИОННЫХ ФОНДОВ

2.1 Обоснование применения нечёткого метода анализа иерархий при

выборе оптимального паевого инвестиционного фонда

2.2 Методика многокритериального выбора паевого инвестиционного фонда

2.3 Инструментарий прогнозирования доходности паевых инвестиционных фондов на основе технологии нейронных сетей

Выводы по второй главе

ГЛАВА 3. РАЗРАБОТКА ИНСТРУМЕНТАРИЯ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ДЛЯ РЫНКА ПАЕВЫХ ИНВЕСТИЦИОННЫХ ФОНДОВ РФ

3.1 Нечёткое моделирование многокритериального выбора паевого инвестиционного фонда с учётом индивидуальных предпочтений инвестора

3.2 Формирование и критическая оценка моделей прогнозирования доходности паевых инвестиционных фондов

3.3 Разработка структуры комплексной системы поддержки принятия решений «ПИФ. Выбор-Прогноз»

Выводы по третьей главе

ЗАКЛЮЧЕНИЕ

Список использованной литературы

Приложения

Введение диссертации (часть автореферата) на тему «Моделирование процесса поддержки принятия решений на рынке паевых инвестиционных фондов РФ»

ВВЕДЕНИЕ

Актуальность темы исследования. Фонды коллективных инвестиций (ФКИ) давно являются неотъемлемым атрибутом экономик стран с развитым рынком капитала, представляя собой основной объект инвестирования домашних хозяйств. Ряд уникальных преимуществ данной формы инвестирования позволяет высокоэффективно решать актуальные для рыночной системы хозяйствования финансово-экономические задачи как на макро-, так и на микроуровне. Так, ФКИ служат механизмом трансформации сбережений в инвестиции в целом для экономики и выгодным инструментом вложения свободных денежных средств для отдельных, самостоятельных экономических единиц.

На сегодняшний день индустрия ФКИ является одним из самых динамично развивающихся секторов мирового фондового рынка. За 10 лет (2002-2012 гг.) активы под управлением взаимных фондов в мире увеличились в 2,4 раза (с 11,3 до 26,8 трлн. долл.), что соответствует ежегодному росту в 9% [90]. Соотношение активов взаимных фондов к ВВП свидетельствует об их широком распространении и значимой роли в экономиках развитых стран. Так, для США данный показатель, по последним данным, составляет около 78% [90]. В этой связи важно отметить, что концепция коллективного инвестирования набирает популярность и в развивающихся странах, в том числе в России. Последние исследования [14, 28, 35] в области рынка паевых инвестиционных фондов (ПИФов) РФ позволяют сделать вывод, что, несмотря на кризисные явления, рынок продолжает развиваться. Эта тенденция сопряжена и с ростом интереса к ПИФам со стороны частных инвесторов, которые воспринимают данный вид инвестирования как более доходный по сравнению с привычными вложениями. Вместе с тем финансовые резервы, которыми обладает население, представляют колоссальный инвестиционный потенциал. По состоянию на 30.08.2013 г. денежные накопления населения РФ составили более 18,6 трлн. руб., из которых 12,8 трлн. руб. находятся в форме банковских вкладов, 4 трлн. руб. в форме

наличных денежных средств и только 1,8 трлн. руб. в форме вложений в ценные бумаги [84]. Всё это обуславливает необходимость повышения привлекательности инвестиционных фондов как инструмента коллективного инвестирования и создания эффективных и прозрачных методов принятия решений на рынке ПИФов РФ.

Обращаясь к мировой практике поддержки принятия инвестиционных решений на рынке ФКИ, отметим, что широко используемым подходом к рационализации выбора фондов является их регулярное рейтингование. Поддержанием систем рейтингов занимаются специализированные агентства, использующие фирменные методики составления рейтинг-листов фондов. Однако, в силу того, что рейтинги ФКИ являются массовым информационным продуктом, ранжирование фондов происходит без учёта индивидуальных предпочтений инвесторов. При этом процесс принятия инвестиционных решений на рынке ФКИ во многом зависит от индивидуальных суждений конкретных инвесторов о критериях предпочтительности объекта инвестиций. Таким образом, выбор оптимального фонда обусловлен не только многовариантностью, многокритериальностыо и риском, которые свойственны в целом финансовому рынку, но и фактором нечёткости и субъективности человеческого мышления, которому неизбежно подвержены частные инвесторы при формировании инвестиционных предпочтений. В таких условиях особую значимость приобретают работы по совершенствованию и имплементации в сфере коллективного инвестирования методов и средств поддержки принятия инвестиционных решений, способных эффективно устранять многокритериальную неопределённость, учитывая нечёткость индивидуальных предпочтений инвесторов.

Вместе с тем отметим, что, помимо корректного выбора объекта инвестиций, результативность и обоснованность инвестиционного решения может быть существенно повышена посредством прогнозного анализа доходности рассматриваемых фондов. Однако на отечественном рынке финансовых информационных продуктов практически не уделяется внимание

прогнозированию доходности российских ПИФов в силу неразработанности адекватного прогностического инструментария.

Таким образом, значимость исследований по совершенствованию и разработке подходов к поддержке принятия решений на рынке ПИФов свидетельствует об актуальности выбранной темы диссертации.

Степень изученности проблемы. Вопросам поддержки принятия решений при инвестировании в ФКИ посвящены работы следующих зарубежных и отечественных авторов: Абрамова А., Бердниковой Т., Капитана М., Барановского Д., Макарова А., Миловидова В., Миркина Я., Нортона Дж., Солабуто Н., Трегуба А., Шарпа У., Александера Г., Бэйли Дж., Эрдмана Г., Марковича Г., Линтнера Дж. [2, 4, 25, 31-33, 38, 43, 44, 51, 52, 53, 72, 71] и др. Однако применение аппарата современных математических методов и средств поддержки принятия решений в работах указанных авторов почти не исследовано.

В целях выбора оптимального фонда в условиях нечёткой исходной информации целесообразно изучение работ в области многокритериальной оптимизации и нечёткого моделирования. Данная проблематика широко отражена в трудах Беллмана Р., Бакли Дж., Чанга Д., Фуллера Р., Карлсона К., Ларховена В., Ванга Т., Чена Ю., Циммермана Г., Заде Л., Мищенко А., Недосекина А., Ногина В., Саати Т., Скорохода А. [55, 58, 59, 60, 65, 70, 79, 82, 24, 34, 36, 37, 40, 42] и др. В то же время применение методов многокритериальной оптимизации совместно с элементами теории нечётких множеств практически не рассматривается в контексте структурирования и рационализации выбора ПИФов.

К числу эффективных инструментов прогнозирования относят искусственные нейронные сети. Значительный вклад в развитие нейросетевых методов и, в частности, их применение в сфере финансов внесли следующие ученые: Бэстенс Д.-Э., ван ден Берг В.-М., Вуд Д., Хопфилд Дж., МакКаллох В., Пите В., Рипли Б., Розенблат Ф., Хайкин С. [6, 66, 73, 76, 77, 48] и др. Тем не менее прогнозирование доходности ПИФов посредством нейросетевого инструментария в приведенных источниках не рассматривается.

С учётом вышеизложенного следует отметить, что существующие подходы к оптимизации принятия инвестиционных решений на рынке ПИФов не принимают во внимание индивидуальность и нечёткость суждений частных инвесторов совместно с прогностическим аспектом оценки результативности работы фондов. В этой связи возникает необходимость разработки более эффективных моделей и методов поддержки принятия инвестиционных решений, способных учитывать субъективность суждений инвесторов и осуществлять минимизацию рисков за счёт прогнозного анализа доходности фондов. Отмеченные обстоятельства определили выбор темы исследования, его логику, цель, задачи и научную новизну.

Цель и задачи исследования. Целыо диссертационного исследования является разработка эффективного экономико-математического инструментария поддержки принятия инвестиционных решений на рынке ПИФов.

Поставленная цель определяет следующие основные задачи диссертационного исследования:

1. Провести анализ современных подходов к оценке эффективности и рационализации выбора ФКИ;

2. Обосновать и предложить методику выбора оптимального ПИФа при многих критериях в условиях нечёткой исходной информации;

3. Разработать нечёткую модель многокритериального выбора ПИФа с учётом индивидуальных предпочтений инвестора;

4. Разработать нейросетевые и эконометрические прогностические модели для формирования прогнозных оценок доходности ПИФов;

5. Предложить и обосновать релевантную конфигурацию и эффективный алгоритм обучения нейронной сети для прогнозирования доходности ПИФов;

6. Определить эффективность предлагаемого нейросетевого инструментария прогнозирования доходности ПИФов на основе сопоставления с традиционными эконометрическими подходами;

7. Оценить вклад предикторов в решающую способность сетей в целях определения степени влияния макроэкономических факторов на динамику российских ПИФов;

8. Разработать структуру комплексной системы поддержки приятия решений (СППР), позволяющей реализовать выбор оптимального ПИФа для конкретного инвестора.

Объект и предмет исследования. Объектом исследования данной диссертационной работы являются открытые и интервальные ПИФы РФ.

Предметом исследования выступает совокупность математических и инструментальных методов, включающая:

1. Методы решения многокритериальных задач нечёткой оптимизации, применяемые для выявления наилучших альтернатив из множества ПИФов;

2. Аппарат искусственных нейронных сетей и его использование в целях прогнозирования доходности ПИФов.

Общетеоретическая и методологическая основа исследования. Теоретико-методологическую основу диссертационного исследования составили труды отечественных и зарубежных ученых по исследуемым в работе вопросам.

В диссертации применялись следующие методы научного познания: наблюдение, сравнение, эксперимент, анализ и синтез, статистико-математические методы, моделирование экономических процессов и другие методы исследования.

Область диссертационного исследования соответствует следующим пунктам паспорта специальности Высшей аттестационной комиссии (ВАК) РФ 08.00.13 - «Математические и инструментальные методы экономики»: п. 1.4. «Разработка и исследование моделей и математических методов анализа микроэкономических процессов и систем: отраслей народного хозяйства, фирм и предприятий, домашних хозяйств, рынков, механизмов формирования спроса и потребления, способов количественной оценки предпринимательских рисков и обоснования инвестиционных решений», п. 2.3. «Разработка систем поддержки принятия решений для рационализации организационных структур и

оптимизации управления экономикой на всех уровнях».

Информационную базу исследования составили материалы Национальной лиги управляющих, информационных агентств «Cbonds» и «РосБизнесКонсалтинг», Федеральной службы государственной статистики, Центрального банка РФ, Всемирной федерации бирж, законодательные акты и нормативные документы РФ, учебные и справочные пособия, публикации российских и зарубежных исследователей в экономических, математических и компьютерных изданиях, материалы, размещаемые в сети Internet.

Научная новизна исследования состоит в разработке комплексной методики многокритериального выбора ПИФа, а также создании структуры системы поддержки принятия решений, позволяющей осуществлять выбор и прогнозирование доходности ПИФов.

Наиболее существенные результаты исследования, полученные лично автором и имеющие элементы научной новизны:

- Проведен анализ мирового рынка ФКИ и впервые детально описаны современные подходы к рейтингованию западных взаимных фондов и российских ПИФов. Определены место и роль ФКИ в структуре экономических отношений России и развитых стран. Выявлены отличительные особенности существующих методик составления рейтингов инвестиционных фондов и обоснована необходимость совершенствования инструментария поддержки принятия решений на рынке ПИФов РФ;

- Разработана новая комплексная методика многокритериального выбора ПИФа, базирующаяся на нечётком методе анализа иерархий. В отличие от применяемых подходов к рейтингованию ПИФов данная методика позволяет учитывать индивидуальные предпочтения конкретного инвестора, принимая во внимание субъективность его суждений в процессе приоритизации критериев выбора фонда. К основным отличительным особенностям методики относятся следующие её структурные элементы: рациональный набор критериев предпочтительности ПИФа, адаптированный для понимания

неквалифицированными инвесторами; нечёткая модификация вербальной шкалы относительной важности критериев, лингвистические термы которой соответствуют специфике задачи выбора ПИФа и позволяют оценить важность критериев в условиях размытости суждений инвестора посредством использования треугольных нечётких чисел; специальная форма опросного листа для выявления инвестиционных предпочтений в условиях нечёткого представления пайщика о содержании критериев инвестиционной привлекательности ПИФов;

- Впервые предложена архитектура и настроены параметры нейросетей для получения прогнозных оценок доходности российских ПИФов. Прогностические модели построены на основе эндогенных и экзогенных предикторов, что обеспечивает экономическую обоснованность моделей и учитывает динамику самого фонда. В качестве экзогенных предикторов предложен набор макроэкономических показателей, из которых выбраны наиболее значимые индикаторы для основных категорий российских ПИФов;

- С помощью оценки вклада предикторов в решающую способность разработанных нейросетей установлена степень индивидуального влияния макроэкономических показателей на динамику российских ПИФов, что позволило выявить глобальные факторы, от которых зависит изменение стоимости паев;

- На базе предлагаемой методики многокритериального выбора ПИФа и построенных нейросетевых моделей разработана комплексная СППР, позволяющая в диалоговом, советующем режиме осуществлять выбор наилучших альтернатив из множества ПИФов и формировать прогнозные оценки доходности отобранных фондов.

Практическая значимость работы заключается в следующем:

- Предлагаемая методика многокритериального выбора ПИФа может найти применение в компаниях, занимающихся оценкой эффективности и составлением рейтингов российских паевых фондов;

- Разработанный программный продукт «ПИФ. Выбор-Прогноз» может найти применение в компаниях, работающих в сфере распространения паев ПИФов, в качестве дополнительного инструмента повышения объективности рекомендаций при консультировании текущих и потенциальных клиентов;

- Предлагаемая СППР может быть интегрирована в существующие на Интернет-порталах системы расширенного поиска фондов, что позволит пайщикам самостоятельно осуществлять выбор фондов в соответствии со своими инвестициоиными предпочтениями;

- Использование разработанного в диссертации комплекса моделей, методов и алгоритмов возможно в аналитических отделах финансовых и инвестиционных компаний в целях повышения обоснованности и эффективности инвестиционных решений;

- Отдельные положения работы могут быть использованы в образовательном процессе при обучении студентов по таким специальностям и дисциплинам как «Математические методы в экономике», «Финансы и кредит», «Инвестиционный менеджмент» и «Системы поддержки принятия решений».

Достоверность и обоснованность результатов исследования обусловлена применением надежных и апробированных методов, адекватных поставленной цели и задачам исследования, обобщением и применением новых теоретических и эмпирических подходов, репрезентативностью выборки изучаемых объектов, качественной интерпретацией и количественным анализом полученных данных с использованием аппарата современных математических методов и средств.

Апробация и внедрение результатов исследования. Основные результаты и выводы диссертационной работы докладывались и обсуждались на Международной научно-практической конференции имени А.И. Китова «Инновационные и информационные технологии в экономике, менеджменте и образовании» (г. Москва, 2010 г.); I Межвузовской научно-практической конференции «Интеллект, дизайн, компьютер» (г. Москва, 2010 г.); Международной научно-практической конференции «XXIV Плехановские

чтения» (г. Москва, 2011 г.); Всероссийской научной конференции «Экономический рост: Математические аспекты» (г. Москва, 2011 г.); II Международной научно-практической конференции имени А.И. Китова «Современные информационные технологии в экономике и научно-техническом процессе» (г. Москва, 2011 г.); Международной научно-практической конференции имени А.И. Китова «Современные информационные технологии в экономике и образовании» (г. Москва, 2012 г.); а также, на научных семинарах аспирантов и соискателей кафедры «Математические методы в экономике» Российского экономического университета им. Г. В. Плеханова.

Отдельные результаты работы были отмечены дипломом Российского экономического университета им. Г. В. Плеханова «Лауреат XXIV Международных Плехановских чтений» (2011 г.).

Результаты диссертационного исследования приняты к использованию в деятельности ЗАО Управляющая компания «СтройКапитал», что подтверждается актом о внедрении.

По теме диссертации опубликовано 12 научных работ общим объёмом 5,82 п. л. (в том числе авторских 3,88 п. л.), из них 6 статей в журналах ВАК Минобрнауки России.

Объём и структура диссертационной работы. Работа состоит из введения, трёх глав, заключения и списка литературы и содержит 128 страниц машинописного текста без приложений (общий объем - 140 страниц). В работе содержатся 24 таблицы, 22 рисунка и 6 приложений. Список литературы составляет 97 источников.

ГЛАВА 1. АНАЛИЗ МЕТОДОВ И СРЕДСТВ ПОДДЕРЖКИ РЕШЕНИЙ В СФЕРЕ ФОНДОВ КОЛЛЕКТИВНЫХ

ИНВЕСТИЦИЙ

1.1 Анализ мирового рынка и обзор современных подходов к оценке эффективности взаимных фондов

Взаимные фонды являются одним из наиболее интересных феноменов в мировой финансовой сфере. В процессе своего развития они совершили экспансию практически во все страны, за исключением небольшой группы государств, расположенных в основном в Восточной Азии [41].

В настоящее время взаимные фонды играют особую роль в экономиках развитых стран мира и являются основным объектом инвестирования сбережений домашних хозяйств. Важнейшим аспектом популярности взаимных фондов является возможность получения прибыли от инвестиций на рынке ценных бумаг без существенных трудозатрат со стороны самого вкладчика. Так, взаимные фонды предоставляют вкладчикам преимущества диверсифицированного портфеля активов и профессионального управления им при низких затратах. В этой связи взаимные фонды в мире являются даже более востребованными, чем такие традиционные инструменты с гарантированной доходностью, как банковские депозиты [16].

Зарождение взаимных фондов началось в 1920-х гг. Первый взаимный фонд был создан в США в 1924 году и назывался Massachusetts Investory Trust. Однако в то время взаимные фонды очень тяжело приобретали доверие инвесторов. На этот период приходился один из тяжелейших кризисов мировой экономики, а пропаганда новой инвестиционной концепции, естественно, воспринималась населением настороженно. Кроме того, отсутствие разработанного законодательства весьма усложняло вопросы налогообложения - одно из ведущих достоинств взаимных фондов.

Вплоть до 50-х годов индустрия взаимных фондов росла очень слабо. Не помогло даже принятие в США закона об инвестициях в 1940 года и закона о трасте в 1939 года. Бурный рост числа взаимных фондов начался только в 1950 году. Уже к 1951 году их количество в Соединённых Штатах превысило 100 единиц, а число акционеров данных фондов - 1 миллион человек [31].

Однако наиболее значительное развитие индустрии взаимных фондов началось после того как в 70-е годы прошлого столетия в США был создан первый взаимный фонд денежного рынка (money market mutual fund). Вскоре эти специализирующиеся на инвестициях в краткосрочные долговые инструменты денежного рынка фонды начали успешно конкурировать с банками, в частности благодаря более высоким доходам, которые получали инвесторы, высокой ликвидности своих активов и доступности услуг. Создание первого взаимного фонда денежного рынка в США было реакцией на ограничение уровня процентных ставок по банковским депозитам: банкам было запрещено устанавливать процентные ставки на уровне рыночных в условиях высокой инфляции, которая привела к значительному повышению рыночных ставок и сделала невыгодным размещение денег на банковских депозитах. Впоследствии взаимные фонды денежного рынка начали быстро распространяться в других странах мира, где действовали аналогичные ограничения, в частности во Франции, Греции и Японии, а затем и в странах, не имевших таких ограничений.

В начале 1980-х годов по мере улучшения макроэкономической обстановки и состояния фондового рынка стало расти число взаимных фондов корпоративных акций (equity funds) и облигаций (bond funds). Однако вплоть до начала 1990-х годов этот рост был умеренным. Из-за постепенного увеличения разрыва между доходами по банковским депозитам и по вложениям во взаимные фонды инвесторы переориентировались на последние, и с начала 1990-х годов рост таких фондов приобрел беспрецедентные масштабы. Лидером в этом процессе выступили США, с некоторым опозданием к ним присоединились страны Европы и других регионов мира, что отчасти объяснялось относительно более низким уровнем развития их фондовых рынков [41].

На сегодняшний день отрасль взаимных фондов - один из самых динамично развивающихся секторов мирового фондового рынка. За 10 лет (2002-2012 гг.) активы под управлением взаимных фондов в мире увеличились в 2,4 раза (с 11,3 до 26,8 трлн. долл.), что соответствует ежегодному росту 9%. На рисунке 1.1 показано изменение активов открытых инвестиционных фондов в целом по миру (согласно данным [90]).

$30 000 $25 000 $20 000 $15 000 $10 000

$5 000 $-

80 000 70 000 60 000 50 000 40 000 30 000 20 000 10 000

2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012

I Стоимость чистых активов взаимных фондов по миру (млрд. долл. Число взаимных фондов по миру (шт.)

)

Рисунок 1.1- Развитие мировой индустрии взаимных фондов в 2002 -

2012 гг.

Как видно из рисунка 1.1 за период с 2002 по 2012 гг. активы инвестиционных фондов показывали динамичный рост, за исключением 2008 года, что связано с мировым финансово-экономическим кризисом. Мировые активы инвестиционных фондов также упали в 2011 году в связи с ожидаемым бюджетным кризисом в США и спадом в экономике Еврозоны. Однако уже по итогам 2012 года наблюдается прирост активов фондов почти на 13% по сравнению с данными за 2011 год, что свидетельствует о возвращении позитивной динамики на мировой рынок взаимных фондов.

Если обратится к распределению активов инвестиционных фондов по регионам мира (по состоянию на IV квартал 2012 г.), то отметим, что на Америку приходится 56%, на Европу - 31, а на Азиатско-Тихоокеанский регион - всего

12% активов инвестиционных фондов. Это свидетельствует о лидерстве США по размерам индустрии. Информация о мировом распределении активов инвестиционных фондов представлена в таблице 1.1 (согласно данным [90]).

Таблица 1.1 - Активы инвестиционных фондов по странам, трлн. долл.

Год/Регион 2008 2009 2010 2011 2012

Сумма Доля, % Сумма Доля, % Сумма Доля, % Сумма Доля, % Сумма Доля, %

Вссь мир 18,9 100,0 22,9 100,0 24,7 100,0 23,8 100,0 26,8 100,0

Америка 10,6 55,9 12,6 54,8 13,6 55,0 13,5 56,9 15,1 56,4

В том числе

Бразилия 0,48 2,53 0,78 3,42 0,98 3,97 1,01 4,24 1,07 3,99

Канада 0,42 2,20 0,57 2,46 0,64 2,58 0,75 3,17 0,86 3,19

США 9,6 50,8 11,1 48,4 11,8 47,9 11,6 48,9 13,0 48,6

Европа 6,2 32,9 7,5 32,9 7,9 32,0 7,2 30,3 8,2 30,7

В том числе

Франция 1,59 8,41 1,81 7,87 1,62 6,54 1,38 5,81 1,47 5,49

Германия 0,24 1,26 0,32 1,38 0,33 1,35 0,29 1,23 0,33 1,22

Ирландия 0,72 3,81 0,86 3,75 1,01 4,10 1,06 4,46 1,28 4,76

Италия 0,26 1,39 0,28 1,22 0,23 0,95 0,18 0,76 0,18 0,68

Люксембург 1,86 9,83 2,29 10,00 2,51 10,17 2,28 9,57 2,64 9,84

Россия 0,002 0,011 0,003 0,014 0,004 0,016 0,003 0,013 0,003 0,011

Испания 0,27 1,43 0,27 1,17 0,22 0,88 0,20 0,82 0,19 0,71

Швеция 0,11 0,60 0,17 0,74^ 0,21 0,83 0,18 0,76 0,21 0,77

Швейцария 0,14 0,71 0,17 0,73 0,26 1,06 0,27 1,15 0,31 1,16

Турция 0,02 0,08 0,02 0,08 0,02 0,08 0,01 0,06 0,02 0,06

Великобритания 0,50 2,67 0,73 3,18 0,85 3,46 0,82 3,43 0,99 3,67

Азиатско-тихо-оксанскин регион 2,0 10,8 2,7 11,8 3,1 12,4 2,9 12,3 3,3 12,4

В том числе

Китай 0,28 1,46 0,38 1,66 0,36 1,48 0,34 1,42 0,44 1,63

Индия 0,06 0,33 0,13 0,57 0,11 0,45 0,09 0,37 0,11 0,43

Япония 0,58 3,04 0,66 2,88 0,79 3,18 0,75 3,13 0,74 2,75

Африка 0,07 0,37 0,11 0,46 0,14 0,57 0,12 0,53 0,15 0,54

Как видно из таблицы 1.1, взаимные фонды заняли наиболее сильные

позиции в странах с развитым рынком капиталов, пользующимся доверием со стороны инвесторов, и рыночной финансовой системой. В основном это обусловлено отлаженным регулированием и высокой ликвидностью рынков ценных бумаг этих стран. Вместе с тем инвестиционные фонды достаточно

интенсивными темпами набирают популярность и в странах с развивающейся экономикой.

Исходя из вышеизложенного, можно с уверенностью сказать, что история взаимных фондов доказала высокую жизнеспособность данной инвестиционной концепции как с точки зрения устойчивости к экономическим потрясениям, так и с позиции удовлетворения потребностей широкого круга инвесторов.

Эволюции рынка взаимных фондов всегда сопутствовали две взаимосвязанные тенденции: непрерывное увеличение числа фондов и появление новых, всё более специфических инвестиционных стратегий, призванных своевременно отражать динамичные реалии мира инвестиций, удовлетворяя спрос растущего и разнообразного круга инвесторов. Не лишним будет заметить, что, согласно данным Всемирной федерации бирж [97], взаимные фонды уже превзошли по своей численности все торгуемые в мире акции. Всё это бросает серьёзный вызов как институциональным, так и частным инвесторам, сталкивающимся с выбором оптимального фонда для своего инвестиционного портфеля.

В таких условиях естественным является возникновение компаний, готовых предложить качественно структурированную информацию по рынку взаимных фондов. Исторически эту роль на себя взяли рейтинговые агентства. Следует отметить, что формирование рейтингов представляет собой особый вид деятельности, достаточно востребованный в рыночной экономике. Основной задачей рейтинговых агентств является информационное посредничество путём поддержания систем рейтингов. Так, первым шагом в попытке помочь инвесторам взаимных фондов в процессе выбора наиболее подходящего фонда было составление ежеквартальных рейтингов взаимных фондов, которые изначально основывались только на ретроспективной информации о доходности фондов. Заметим, что в отличие от первых рейтингов, теперь рейтинговые агентства применяют комплексные авторские методики составления рейтингов, учитывающие не один, а множество показателей, в число которых входят различные индикаторы риска вложений, уровень издержек инвестора и др. [26]

Список литературы диссертационного исследования кандидат наук Гаврилюк, Владислав Игоревич, 2013 год

Список использованной литературы

1. Абель, Э. Макроэкономика / Э. Абель, Б. Бернанке. - СПб.: Питер, 2008. -762с.

2. Абрамов, А. Е. Инвестиционные фонды: Доходность и риски, стратегии управления портфелем, объекты инвестирования в России / А.Е. Абрамов. -М.: Альпина Бизнес Букс, 2005. - 416 с.

3. Александров, Д. Н. Коллективные инвестиции: спекулятивная модель себя исчерпала [Электронный ресурс] / Д. Н. Александров // РБК daily. - 2012. -Режим доступа: http://www.rbcdaily.ru/finance/562949983684494

4. Бердникова, Т. Б. Рынок ценных бумаг и биржевое дело: учебное пособие / Т. Б. Бердникова. — М.: ИНФРА-М, 2002. — 270 с.

5. Богл, Дж. Взаимные фонды с точки зрения здравого смысла. Новые императивы для разумного инвестора / Дж. Богл. - М.: Альпина Паблишер, 2002.

6. Бэстенс, Д.-Э., ван ден Берг В.-М., Вуд Д. Нейронные сети и финансовые рынки: принятие решений в торговых операциях / - Д.-Э. Бэстенс, В.-М. ван ден Берг, Д. Вуд. - Москва: ТВП, 1997. - 236с.

7. Волкова, А. Самые доходные и убыточные ПИФы по итогам 2012 года [Электронный ресурс] / А. Волкова // РБК рейтинг. - 2012. - Режим доступа: http://rating.rbc.ru/article.shtml72013/01/22/33866831

8. Гаврилюк, В. И. Интеллектуализация анализа преимуществ закрытых ПИФов недвижимости / В. И. Гаврилюк // Интеллект. Дизайн. Компьютер: материалы первой межвузовской научно-практической конференции. 1, 8 декабря 2010 г. / науч. ред. JI. Ф. Никулин. - Москва: ГОУ ВПО «РЭУ им. Г. В. Плеханова», 2011. - С. 43-52.

9. Гаврилюк, В. И. Математический инструментарий при выборе паевого инвестиционного фонда / В. И. Гаврилюк // Двадцать четвертые Международные Плехановские чтения (10 - 17 февраля 2011 г.): тезисы

докладов аспирантов и магистрантов. - М.: ГОУ ВПО «РЭУ им. Г. В. Плеханова», 2011. - С. 102-103.

Ю.Гаврилюк, В. И. Метод аналитических сетей в системном анализе паевых инвестиционных фондов / В. И. Гаврилюк // Научные труды вольного экономического общества. - 2011. - № 164. - С. 175-179.

11.Гаврилюк, В. И. Минимизация информационного шума при выборе паевого инвестиционного фонда / В. И. Гаврилюк, В. М. Картвелишвили // Научные труды вольного экономического общества. - 2010. - № 143. - С. 382-388.

12.Гаврилюк, В. И. Моделирование инвестиционной дилеммы и рыночный фон / В. И. Гаврилюк, В. М. Картвелишвили // Инициативы XXI века. -2012. -№ 4.-С. 72-74.

13.Гаврилюк, В. И. Нейросетевой инструментарий для прогнозирования доходности ПИФов / В. И. Гаврилюк // Вестник РЭУ. - 2013. - № 4 (58). - С. 81-89.

14.Гаврилюк, В. И. Паевые инвестиционные фонды в РФ: хронологический срез развития индустрии / В. И. Гаврилюк // Вестник РЭУ. - 2012. - № 10 (52). - С. 66-72.

15.Гаврилюк, В. И. Программная реализация компьютерной поддержки принятия решений на рынке ПИФов / В. И. Гаврилюк, В. М. Картвелишвили, Э. А. Лебедюк // Вестник РЭУ. - 2013. - № 10 (64). - С. 8390.

16.Гаврилюк, В. И. Рейтинговая экспертиза паевых инвестиционных фондов / В. И. Гаврилюк, В. М. Картвелишвили // Современные аспекты экономики. -2010. -№6(154).-С. 101-119.

17.Гаврилюк, В. И. Структурирование экспертных оценок при анализе паевых инвестиционных фондов / В. И. Гаврилюк // Экономика и технология: сб. науч. тр. - Вып. 26. - М.: ГОУ ВПО «РЭУ им. Г. В. Плеханова», 2011. - С. 11-15.

18.Гайдаев, В. ПИФова победа. Доходность фондов вышла на банковский уровень [Электронный ресурс] / В. Гайдаев // Коммерсантъ. - 2013. - Режим доступа: http://www.kommersant.rU/doc/2102629

19.Гачков, А. А. Рандомизированный алгоритм ИУЗ-анализа финансовых рядов / А. А. Гачков // Стохастическая оптимизация в информатике, Вып. 5/Под ред. О. Н. Граничина - СПб.:Издательство С.-Петербургского университета, 2009. - С. 40 - 64.

20.Дорофеев, Е. А. Методика построения рейтингов качества доверительного управления паевыми инвестиционными фондами акций, облигаций и смешанных инвестиций [Электронный ресурс] / Е. А. Дорофеев, С. А. Зобов, С. В. Лялин, В. Л. Окулов // Портал Investfunds. - 2013. - Режим доступа: http://data.investfunds.ru/files/mutuals_rating_methodics.pdf

21.Дорохов, Е. В. Статистический подход к изучению прогнозирования индекса РТС на основе методов векторной авторегрессии и коинтеграции / Е. В. Дорохов// Финансы и бизнес. - 2008. - № 1. - С. 85 - 110.

22.Заде, Л. А. Понятие лингвистической переменной и его применение к принятию приближенных решений / Л. А. Заде. - М.: Мир, 1976. - 165 с.

23.Каган, Е. С. Применение метода анализа иерархий и теории нечётких множеств для оценки сложных социально-экономических явлений / Е. С. Каган // Известия АГУ. - 2012. - № 1. - С. 160-163.

24.Казенных И. В. Тенденции развития рынка паевых инвестиционных фондов в России [Электронный ресурс] / И. В. Казенных // Научные записки НГУЭУ. - 2008. - Режим доступа: http://dis.podeIise.ru/download/text-72540Z72540.doc

25.Капитан, М. Паевые фонды: современный подход к управлению деньгами / М. Капитан, Д. Барановский. - СПб.: Питер, 2005. - 240 с.

26.Картвелишвили, В.М. Зарубежный и российский опыт оценки эффективности фондов коллективных инвестиций / В. М. Картвелишвили, В. И. Гаврилюк // Научно-аналитический журнал «Наука и практика» РЭУ им. Г. В. Плеханова. - 2013. - № 2(10). - С. 73-86.

27.Картвелишвили, В.М. Метод анализа иерархий: критерии и практика / В. М. Картвелишвили, Э. А. Лебедюк // Вестник РЭУ. - 2013. - № 6. - С. 87-102.

28.Картвелишвили, В.М. Паевые фонды в России: генезис и эволюция отрасли / В. М. Картвелишвили, В. И. Гаврилюк // Научно-аналитический журнал «Наука и практика» РЭУ им. Г. В. Плеханова. - 2012. - № 2(8). - С. 45-55.

29.Конышева, Л. К. Основы теории нечётких множеств: учебное пособие / Л. К. Конышева, Д. М. Назаров. - СПб.: Питер, 2011. - 192 с.

30.Круглов, В. В. Нечёткая логика и искусственные нейронные сети / В. В. Круглое, М. И. Дли, Р. Ю. Голунов. - М.: Физматлит, 2001. - 221с.

31.Макаров, А. В. Инвестируем в паевые инвестиционные фонды / А. В. Макаров. - М.: Изд-во Эксмо, 2005. - 96 с.

32.Миловидов, В. Д. Паевые инвестиционные фонды / В. Д. Миловидов. — М.: Анкил, ИНФРА-М, 1996. - 124 с.

33.Миркин, Я. М. Ценные бумаги и фондовый рынок: профессиональный курс в Финансовой академии при Правительстве РФ / Я. М. Миркин. - М.: Перспектива , 1995. - 536 с.

34.Мищенко, А. В. Многокритериальные модели оптимизации факторинговых контрактов, заключаемых с торговыми сетями / А. В. Мищенко, Е. В. Виноградова // Логистика и управление цепями поставок. - 2009. - №3. -с.64-73.

35.Назарова, В. В. Выбор критериев эффективности вложений в паевые инвестиционные фонды / В. В. Назарова, И. С. Насыров // Финансы и кредит. - 2013 - № 7(535) - С. 39-48.

36.Недосекин, А. О. Нечётко-множественный анализ рисков фондовых инвестиций [Электронный ресурс]. / А. О. Недосекин // Персональная страница д.э.н. А. О. Недосекина в сети Интернет. - Режим доступа: http://sedok.narod.ru/sc_group.html

37.Ногин, В. Д. Принятие решений при многих критериях. Учебно-методическое пособие / В. Д. Ногин. - СПб. Издательство «ЮТАС», 2007. -104 с.

38.Нортон, Р. Дж. Фонды облигаций: путь к получению высоких доходов / Р. Дж. Нортон. - М.: Альпина Паблишер, 2002. - 264 с.

39.Панкратова, Л. Д. Портфельный анализ и учётно-аналитические аспекты деятельности паевых инвестиционных фондов в РФ: дис. ... канд. эконом, наук: 08.00.12 / Панкратова Лариса Дмитриевна. - Воронеж., 2008. - 216 с.

40.Саати, Т. Принятие решений. Метод анализа иерархий / Т. Саати. - М.: «Радио и связь», 1993. - 320 с.

41.Саркисянц, А. Г. Инвестиционные фонды за рубежом / А. Г. Саркисянц // Аудитор. - 2010. -№ 3. - С. 54 - 61.

42.Скороход, А. Б. Применение нечёткого метода анализа иерархий в задаче оценки конкурентных позиций предприятия / А. Б. Скороход // Экономика и управление. -2011. -№ 5. -С. 104- 110.

43.Солабуто, Н. В. Секреты инвестирования в ПИФ / Н. В. Солабуто. - Спб.: Питер, 2007.- 144 с.

44.Трегуб, А. Рейтингование инструментов коллективных инвестиций: цивилизованный подход / А. Трегуб // Финансист. - 2001. - № 8-9. - С. 32-39.

45.Указ президента РФ от 23 февраля 1998 г. № 193 «О дальнейшем развитии деятельности инвестиционных фондов»

46.Указ Президента РФ от 26 июля 1995 г. № 765 «О дополнительных мерах по повышению эффективности инвестиционной политики Российской Федерации»

47.Указ Президента РФ от 7 октября 1992 г. № 1186 «О мерах по организации рынка ценных бумаг в процессе приватизации государственных и муниципальных предприятий»

48.Хайкин, С. Нейронные сети: полный курс / С. Хайкин. - М.: ООО «И. Д. Вильяме», 2006. - 1104 с.

49.Челпанова, В. А. Развитие паевых инвестиционных фондов в современной России: дис. ... канд. эконом, наук: 08.00.10 / Челпанова Вероника Алексеевна. - Саратов., 2010.- 186 с.

50.Шаповал, А. Б. Математические методы финансового анализа: Портфельный анализ, модели ценообразования, производные финансовые инструменты / А. Б. Шаповал. - М.: Финансовая академия при Правительстве РФ, 2005. - 47 с.

51.Шарп, У. Инвестиции / У. Шарп, Г. Александер, Дж. Бэйли. - М.: ИНФРА-М, 2006.- 1028 с.

52.Эрдман, Г. В. Осторожно, акции! Или правда об инвестировании в России /

Г. В. Эрдман. - М.: НТ Пресс, 2006. - 144 с. 53.Эрдман, Г. В. 1000% за 5 лет, или правда о паевых инвестиционных фондах, 2-е издание исправленное / Г. В. Эрдман. - М.: НТ Пресс, 2007. - 144 с.

54.Balvers, R. J. Predicting Stock Returns in an Efficient Market / R. J. Balvers, T. F. Cosimano, B. McDonald // Journal of Finance. - 1990. - Vol. 45. - pp. 11091128.

55.Bellman, R. E. Decision-Making in a Fuzzy Environment / R. E. Bellman, L. A. Zadeh//Management Science. - 1970.-Vol. 17. - No. 1. - pp. 141-164.

56.Box, G.E.P. Time series analysis: forecasting and control / G.E.P. Box, G.M. Jenkins. - San Francisco, CA: Holden-Day, 1976. - 575 p.

57.Brenning C. The Effect of Morningstar Rating Changes on Mutual Fund Performance and Strategy: Master Thesis in Finance / C. Brenning, V. Fritzen. -Stockholm., 2009. - 40 p.

58.Buckley, J. J. Fuzzy hierarchical analysis / J. J. Buckley // Fuzzy Sets and Systems. - 1985. - 17(1) - pp. 233-247.

59.Buckley, J. J. Ranking Alternatives Using Fuzzy Members / J. J. Buckley // Fuzzy Sets and Systems. - 15 (1985). - pp. 21 -31.

60.Campbell, J. Y. Predictable Stock Returns in the United States and Japan; A Study of Long-term Capital Integration / J. Y. Campbell, Y. Hamao // Journal of Finance. - 15 (1992). - pp. 43-67.

61.Chang, D. Y. Applications of the extent analysis method on fuzzy AHP / D. Y. Chang // European Journal of Operational Research 95. - 1996. - pp. 649-655.

62.Del Guercio, D. Star Power: The Effect of Morningstar Ratings on Mutual Fund Flow / D. Del Guercio, P. Tkac // Journal of Financial and Quantitative Analysis. - 2008. - Vol. 43 (4). - pp. 907-936.

63.Fama, E. F. Business Conditions and the Expected Returns on Stocks and Bonds / E. F. Fama, K. R. French // Journal of Financial Economics. - 25 (1989). - pp. 2349.

64.French, K. R. Expected Stock Returns and Volatility / K. R. French, G. S. Schwert, R. F. Stambaugh // Journal of Financial Economics. - 19 (1987). - pp. 330.

65.Fuller, R. Fuzzy Multiple Criteria Decision Making: Recent Developments / R. Fuller, C. Carlsson//Fuzzy Sets and Systems. - 1996. - Vol. 78. - pp. 139-153.

66.Hopfield, J. J. Neural networks and physical systems with emergent collective computational abilities / J. J. Hopfield // Proc. National Academy of sciences. -1982. - Vol. 79. - No. 8. - pp. 2554-2558.

67.Hornik, K. Multilayer feed-forward networks are universal approximators / K. Hornik, M. Stinchcombe, H. White //Neural Networks 2. - 1989. - pp. 359-366.

68.1rie, B. Capabilities of three-layered perceptrons / B. Irie, S. Miyake // Proceedings of the IEEE International Conference on Neural Networks. - 1988. -pp. 641-648.

69.Khorana, A. What Drives Market Share in the Mutual Fund Industry? / A. Khorana, H.Servaes // Review of Finance. - 2012. - Vol. 16 (1). - pp. 81-113.

70.Laarhoven, V. Fuzzy extension for Saaty's priority Theory / V. Laarhoven, W. Pedrych // Fuzzy Sets and Systems 11. - 1983. - pp. 229-241.

71.Lintner, J. The Valuation of Risk Assets and the Selection of Risky Investments in Stock Portfolios and Capital Budgets / J. Lintner // Review of Economics and Statistics. - 1965. - Vol. 47. - No. 1. - pp. 13-37.

72.Markowitz, H. M. Portfolio Selection / H. M. Markowitz // Journal of Finance. -1952.-pp. 77-91.

73.McCullogh, W. S. A logical calculus of the ideas immanent in nervous activity / W. S. McCullogh, W. H. Pitts // Bulletin of mathematical biophysics. - 1943. -No. 5.-pp. 115-133.

74.Miller, G. A. The Magical Number Seven Plus or Minus Two: Some Limits on Our Capacity for Processing Information / G. A. Miller // Psychological Review.

- 1956. - Vol. 63. - No. 2. - pp. 81-97.

75.Pankratz, A. Forecasting with Univariate Box-Jenkins Models: Concepts and Cases / A. Pankratz. - New York: John Wiley, 1983. - p. 562.

76.Ripley, B. D. Statistical aspects of neural networks / B. D. Ripley // Networks and Chaos-Statistical and Probabilistic Aspects. - 1993. - pp. 40-123.

77.Rosenblatt, F. The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain / F. Rosenblatt // Psychological Review. - 1958. -Vol. 65.-No. 6.-pp. 386-408.

78.Tobin J. Essays in Economics / J. Tobin. - Massachusetts: MIT Press, 1972 — 1982,2 vol.

79.Wang T.-C. Applying fuzzy linguistic preference relations to the improvement of consistency of fuzzy AHP / T.-C. Wang, Y.-H. Chen // Information Science 178.

- 2008. - pp. 3755-3765.

80.White, H. Learning in artificial neural networks: A statistical perspective / H. White//Neural Computation 1. - 1989. - pp. 425-464.

81.Zhang, G. Forecasting with artificial neural networks: The state of the art / G. Zhang, B. Eddy Patuwo // International Journal of Forecasting. - 1998. - pp. 3562.

82.Zimmerman, H.-J. Fuzzy Sets Theory and Its Applications / H.-J. Zimmerman. -London: Kluwer Academic Publishers, 1996. - p. 435.

83.www.aton-line.ru

84.www.cbr.ru

85.www.corporate.morningstar.com

86.www.fcsm.spb.ru

87.www.fsfr.irk.ru

88.www.gks.ru

89.www.gurufocus.com

90.www.ici.org

91 .www.investfiinds.ru

92.www.klerk.ru

93.www.nlu.ru

94.www.quote.rbc.ru 95 .www.raexpert.ru

96.www.rating.rbc.ru

97.www.world-exchanges.org