Оптимизация портфеля опционных контрактов на основе выявленных предпочтений инвесторов тема диссертации и автореферата по ВАК РФ 08.00.10, кандидат экономических наук Гордейчук, Егор Николаевич

• Гордейчук, Егор Николаевич
• кандидат экономических наук
• 2010

Оглавление диссертации кандидат экономических наук Гордейчук, Егор Николаевич

ВВЕДЕНИЕ.

ГЛАВА 1. ИСПОЛЬЗОВАНИЕ ОПЦИОНОВ ДЛЯ ИНВЕСТИРОВАНИЯ И ВЫЯВЛЕНИЯ НАСТРОЕНИЙ ИНВЕСТОРОВ.

1.1 Инвестиционная привлекательность опционов.

1.2 Роль настроений инвесторов на фондовом рынке.

1.3 Существующие методы оценки настроений рыночных инвесторов.

1.4 Оценка настроений инвесторов с помощью функции абсолютного неприятия риска (RAa).

1.5 Существующие подходы к анализу эффективности инвестиционных портфелей.

ГЛАВА 2. СОЗДАНИЕ МЕТОДИКИ ИНВЕСТИРОВАНИЯ НА ОСНОВЕ ВЫЯВЛЕНИЯ ПРЕДПОЧТЕНИЙ ИНВЕСТОРОВ.

2.1 Усовершенствование метода оценки функции RAa.

2.2 Разработка метода выявления рыночных предпочтений на основе функции RAa.

2.3 Разработка метода оптимизации портфеля опционных контрактов на основе выявленных рыночных предпочтений.

ГЛАВА 3. РЕАЛИЗАЦИЯ РАЗРАБОТАННОЙ МЕТОДИКИ ИНВЕСТИРОВАНИЯ НА РОССИЙСКОМ РЫНКЕ.

3.1 Построение и анализ функций RAa на российском рынке в 2007-2010 гг.

3.2 Построение опционных стратегий при различных сигналах функции RAa.

3.2.1 Ожидание падения (июль 2007 г.).

3.2.2 Бимодальность ожиданий (август 2008 г.).

3.2.3 Ожидание роста (март 2009 г.).

3.2.4 Расхождение риск-нейтрального и действительного распределений. сентябрь 2008 г.).

3.3 Оценка эффективности инвестирования на основе выявленных предпочтений инвесторов в 2007-2010 гг.

Введение диссертации (часть автореферата) на тему «Оптимизация портфеля опционных контрактов на основе выявленных предпочтений инвесторов»

Актуальность исследования. Проблема изучения и объяснения динамики рыночных котировок финансовых активов волнует ученых с момента возникновения фондового рынка. Экономисты пытаются определить, какие факторы влияют на изменение котировок ценных бумаг, насколько адекватно рынок оценивает реальную стоимость финансовых активов, почему происходят резкие изменения рыночных цен, и каким образом необходимо от них защищаться.

Разразившийся в 2008-2009 году финансовый кризис в очередной раз поднял вопрос о правильности использования методов фундаментального анализа для изучения динамики фондового рынка. Оказалось, что финансовые модели, использовавшиеся в тот период для оценки капитализации, в значительной степени завышали фактическую стоимость компаний. В результате, инвесторы, использовавшие их для построения своих инвестиционных стратегий, терпели значительные убытки, поскольку динамика котировок на фондовом рынке в основном определялась настроениями инвесторов: их страхами и ожиданиями.

Наиболее распространенными методами эмпирического выявления настроений инвесторов являются коэффициент Put/Call и индекс волатильности. По своей структуре эти индикаторы показывают лишь общее направление ожиданий, но не позволяют оценить, как инвесторы относятся к реализации различных возможных котировок изучаемых активов. В последние годы учеными стали разрабатываться подходы к исследованию настроений инвесторов на основе цен опционных контрактов. В частности предлагается использовать эмпирически построенную функцию абсолютного неприятия риска (RAa), позволяющую оценить отношение инвесторов к различным потенциальным котировкам базового актива. Однако до сих пор отсутствует единая методика, которая на основе данного инструмента позволяла бы проводить, теоретический анализ рыночной' ситуации и осуществлять оптимизацию инвестиционных портфелей.»

Введение методов оценки настроений инвесторов в практику анализа отечественного фондового рынка до настоящего времени сдерживалось. С одной стороны это обуславливалось относительной молодостью российского срочного рынка, а с другой — отсутствием законченных научных разработок посвященных этой тематике. Поскольку рыночные настроения инвесторов во многом определяют будущую динамику рыночных котировок, потребность в инструменте, позволяющих их выявлять, очень велика.

Динамичное развитие мирового срочного рынка привело к появлению опционных контрактов, — инструментов, которые позволяют инвесторам создавать разнообразные профили выплат. С их помощью, если известны вероятности возникновения различных котировок базового актива, можно осуществлять процесс оптимизации инвестиций путем максимизации ожидаемой прибыли на основе подбора оптимальных долей опционов с различными страйками.

В связи с вышеизложенным, исследования, направленные на разработку методов анализа рыночных настроений с их последующим применением для биржевой торговли, являются весьма актуальными.

Степень разработанности, проблемы. Представленная работа находится. на границе двух смежных научных направлений: анализа субъективных факторов, влияющих на деятельность рыночных инвесторов и оптимизации инвестиционных портфелей. Первое направление восходит к работам Дж.М.Кейнса [8], который в 30-е гг. XX века выдвинул гипотезу о том, что люди, принимая решения* в условиях неопределенности, предпочитают опираться на суждения остального мира, который, по их мнению, обладает большим объемом информации. Подобное поведение приводит к возникновению на рынке доминирующих настроений инвесторов, оказывающих1 значительное влияние на формирование рыночных котировок.

Эти идеи были использованы для разработки инструментов выявления настроений инвесторов, наиболее распространенными из которых являются индикатор Put/Call, предложенный Мартином Цвейгом (1980) [80], индекс волатильности, разработанный Чикагской биржей опционных контрактов, и мнения аналитиков. В работах (Pan, Poteshman (2003) [60], Tsuji (2009) [77], Bradshaw (2002, 2004) [25-26], Markov, Tamayo (2003) [54], Ramnath, Rock, Shane (2008) [63]) проводились изучения эффективности использования данных инструментов для анализа и прогнозирования-котировок финансовых активов, которые выявили определенные ограничения их применения.

В качестве альтернативы учеными (Dreze (1970) [34], Ross (1976) [65], Breeden, Litzenberger (1978) [27], Leland-(1980) [50]) был разработан подход к-выявлению рыночных настроений на основе цен опционных контрактов► с различными» страйками, позволяющий- более полно учесть информацию,v заложенную-в биржевых торгах. Существуют несколько методик реализации данной идеи на практике (Ait-Sahalia, Lo-(1998, 2000) [15-16], Jackwerth (1999, 2000) [43-44], Shimko (1993) [70], Chang, Tabak (2002) [29], Tarashev, Tsatsaronis, Karampatos (2003) [75]). Большинство из них основывается на оценке функции, абсолютного неприятия риска (RAa), но до сих пор отсутствует единая, методика^ ее оценки и применения полученных результатов для торговли на фондовом рынке. Только Jackwerth (1999) [43] затрагивал вопрос выявления на< основе функции RAa, арбитражных возможностей и их использования-для инвестирования. В то же время существуют теоретические разработки (Huang, Litzenberger (1988) [41]), описывающие взаимосвязь между значениями RAa и спросом на рисковые активы, позволяющие создать методику оптимизации- инвестиций на основе эмпирически, выявленной функций RAa.

Второе научное направление, на котором основывается представленное исследование, касается оптимизации инвестиционных портфелей. Выбор методов оценки инвестиционной? эффективности рассматривается в, статьях Jensen (1968) [46], Leland (1997-1999) [51-52], Sharpe (1994) [69], Sortino, Price

1994) [72], Stutzer (2000) [73], Treynor (1966) [76], Modigliani, Modigliani (1997) [58]. В работах Галиц (1998) [3], Hull (2003) [42], Natenberg (1994) [59], Буренин (2002) [2] дается подробное описание базовых стратегий опционного инвестирования, позволяющих создавать разнообразные профили прибыли инвесторов.

Вопросы оптимизации портфеля опционных контрактов путем подбора долей опционов на основе заданных линейных ограничений, их математическая запись и применение на практике затрагивались в работах Курочкин, Пичугин (2005) [9], Недосекин (2005) [11]. Однако в них авторы указали лишь общие методы использования ограничений при наличии четко определенных ожиданий инвестора относительно будущей динамики котировок. В настоящей работе разрабатывается методика оптимизации опционного портфеля на основе линейных ограничений, описываемых сигналами эмпирически построенной функции RAa.

Объект исследования — взаимосвязь между рыночными ценами биржевых опционных контрактов и котировками их базовых активов. Предмет исследования - отраженные в рыночных опционных ценах, предпочтения инвесторов относительно будущих котировок базовых активов.

Цель диссертационного исследования — создание методики выявления структуры предпочтений инвесторов, заключенных в биржевых опционных ценах на различных страйках, позволяющей прогнозировать динамику фондового рынка и оптимизировать портфели опционных контрактов. Для достижения поставленной цели были сформулированы следующие задачи: создание механизма эмпирической оценки индикатора, подробно описывающего настроения инвесторов, через их предпочтения; разработка методики анализа функции абсолютного неприятия риска (RAa), полученной эмпирическим способом; создание теоретического подхода к инвестированию на основе торговых сигналов разработанного индикатора; создание алгоритма оптимизации, опционного портфеля на основе торговых сигналов функции RAa для создания профиля выплат, соответствующего ожидаемой динамике рынка, и максимизации прибыли от инвестиций при наиболее вероятных исходах; проверка прогнозной силы разработанной методики путем анализа динамики котировок на российском фондовом рынке; проверка инвестиционной эффективности разработанной методики через построение на ее основе оптимизационных инвестиционных портфелей на отечественном финансовом рынке; сравнение эффективности предложенного инструмента с наиболее распространенными методами эмпирического выявления рыночных настроений.

Информационной базой данных для исследования служили ежедневные биржевые котировки акций, торгующихся на бирже РТС, ежедневные значения индекса РТС, и ежедневные биржевые котировки соответствующих опционов.

В качестве методологической основы для исследования выступали подходы статистического и регрессионного анализа, методы линейной оптимизации, использовалось программирование в приложениях Microsoft Access и Microsoft Excel.

В рамках исследования была использована обширная теоретическая база, посвященная методам эмпирической оценки настроений рыночных инвесторов. Изучались работы ведущих мировых ученых посвященных проблемам опционного инвестирования и оценке эффективности опционных стратегий. Рассматривались аспекты оценки опционной волатильности и информационной ценности этих оценок. Использовались классические экономические труды, посвященные функционированию фондового рынка.

Особое влияние на проведение представленного исследования, оказали работы: Black, Scholes (1973) [22], Breeden, Litzenberger (1978) [27], Jackwerth (2000) [44], Leland (1980) [50], Whaley (2002) [79], Курочкин C.B., Пичугин И.В (2005) [9], Дж. М. Кейнс (1999) [8], Шоломицкий (2005) [14], Талеб (2009) [13].

Гипотеза исследования состоит в том, что динамика котировок финансовых активов определяется ожиданиями и поведенческими характеристиками экономических агентов, проявляющихся в процессе формирования цен на биржевые опционы. В основу методического обеспечения анализа субъективного фактора, влияющего на деятельность рыночных инвесторов, может быть положено изучение показателя абсолютного неприятия риска, который рассчитывается на основе цен биржевых опционов с различными страйками. Данный индикатор может позволить более полно отразить отношения предпочтений инвесторов к различным значениям будущей котировки изучаемого актива. Их анализ поможет определить будущую динамику рыночных котировок, и создать оптимизационные стратегии инвестирования.

Научная новизна исследования заключается в том, что была разработана новая методика выявления и анализа субъективного фактора деятельности инвесторов, позволяющая определять доминирующие на рынке предпочтения относительно реализации различных котировок базовых активов, и на их основе оптимизировать портфели опционных контрактов. К наиболее важным результатам, характеризующим научную новизну исследования, относятся следующие:

1) усовершенствован и сделан более объективным подход к эмпирическому выявлению предпочтений инвесторов на основе функции абсолютного неприятия риска (RAa) путем использования для ее вычисления внутренней безрисковой ставки процента, заложенной во фьючерсных ценах, и отказа от заранее заданной формы кривой опционной волатильности в пользу ее построения на основе многочленов;

2) создана методика анализа эмпирически построенной функции RAa, позволяющая на основе теоретических результатов о ее связи со спросом на рисковый актив (Huang, Litzenberger (1988) [41]) выявлять наиболее вероятные будущие котировки, а также интервалы потенциальных доходностей, на которых инвесторы будут играть на повышение или понижение рынка; х*

3) разработан метод построения опционных портфелей, позволяющий на базе системы линейных ограничений, зависящих от предпочтений инвесторов (функции КАа), создавать профили будущих выплат, соответствующие ожидаемой динамике рынка, и максимизировать прибыль от инвестиций при наиболее вероятных исходах;

4) установлено, что соотношение центральных моментов риск-нейтрального и действительного распределений влияют на форму графика функции ЯАа, определяя общий уровень восприятия инвесторами риска реализации различных котировок, направление возрастания/убывания предпочтений инвесторов и нарушение их монотонности;

5) выявлена устойчивая прямая зависимость между предпочтениями инвесторов, описываемых функцией ЯАа, и будущей рыночной динамикой котировок на российском фондовом рынке;

Теоретическая и практическая значимость исследования. Представленная в настоящей работе методика предлагает новый инструмент анализа функционирования фондового рынка - функцию ЫАа, которая позволяет более полно оценить влияние субъективного фактора человеческого поведения на динамику рыночных котировок за счет оценки отношений инвесторов к широкому спектру потенциальных значений доходности изучаемых активов.

Предложенный индикатор может выступать аналитическим инструментом для регуляторов деятельности фондового рынка, выявляя рыночные настроения инвесторов, и повышая прозрачность и предсказуемость динамики рыночных котировок. Путем определения периодов возникновения панических настроений на рынке, индикатор будет сигнализировать о необходимости принятия предупредительных мер для поддержания устойчивости рыночных торгов.

Разработанный инструментарий может использоваться частными инвесторами для создания на основе доминирующих настроений на рынке эффективных инвестиционных портфелей, которые будут защищать капитал в случае значительных колебаний котировок.

Представленный комплекс теоретических и практических методов может быть внедрен в деятельность инвестиционных компаний для создания новых продуктов на финансовых рынках, удовлетворяющих различным запросам инвесторов: Выявляя рыночные настроения, инвестиционные компании смогут определять целевые доходности, на которые предъявляется повышенный спрос, и предлагать инвесторам инструменты с соответствующими, параметрами

Разработанная методика и полученные результаты* могут быть использованы в последующих научных,исследованиях, посвященных изучению функционирования- финансовых рынков. Дальнейшее усовершенствование предложенного индикатора и изучение его эффективности, на широком классе финансовых активов позволит; лучше понять мотивы, которыми1 руководствуются инвесторы на фондовом рынке, определить причины значительных колебаний рыночных котировок, не обусловленных фундаментальными факторами, а также разработать меры, защищающие фондовый рынок от кризисных явлений:

Практическая апробация. Основные положения- и результаты» проведенного исследования; были: представлены- в докладах:, «Построение инвестиционных, стратегий на основе функций: неприятия риска на российском фондовом рынке» 7-я межвузовская научная конференция? «Современное состояние, инструменты и тенденции развития фондового рынка» (ММВБ, 23 апреля 2010 г., г. Москва, Россия); «Оценка риск-предпочтений инвесторов на основе опционных, цен»-6-я межвузовская шаучная; конференция «Современное состояние, инструменты и тенденции развития фондового рынка» (МЕИМО; 12 апреля 2009 г., г. Москва, Россия); «The BuyWrite; strategy and its application on the Russian financial market» международная конференция «Russia in. financial; globalization» (АТиСО, апрель 2008 г., г. Москва, Россия).

Результаты представленной диссертации легли в основу курса по дисциплине «Производные финансовые инструменты и реальные опционы», изучаемого на 1 курсе магистратуры экономического факультета ГУ-ВШЭ.

По результатам исследования автором были опубликованы 3 статьи общим объемом 3,25 печатных листов, в том числе 2 статьи в ведущих рецензируемых научных журналах, рекомендованных ВАК Министерства образования и науки РФ объемом 2,6 печатных листов:

Гордейчук, E.H. Методика оценки динамики риск-предпочтений на российском фондовом рынке и ее применение в биржевой торговле. // Экономический анализ: Теория и практика. - 2009. - №36. — с. 54-62 (объем -1 пл.)

Гордейчук, E.H. Сравнение эффективности использования индикатора абсолютного неприятия риска с наиболее распространенными показателями рыночных настроений инвесторов при построении торговых стратегий. // Экономический анализ: Теория и практика. - 2010. - №34, с. 48-60 (объем - 1,6 пл.)

Гордейчук, E.H. Оценка риск-предпочтений инвесторов на основе опционных цен. // Фондовый рынок России: современное состояние, инструменты и тенденции развития. М.: Издательский дом ГУ-ВШЭ, 2009 -с. 87-97 (объем - 0,65 пл.)

Структура работы. Диссертация состоит из введения, 3 глав, заключения, выводов и списка литературы из 87 источников. Объем диссертации составляет 148 страниц, включая 17 таблиц и 40 рисунков.

Заключение диссертации по теме «Финансы, денежное обращение и кредит», Гордейчук, Егор Николаевич

ВЫВОДЫ И РЕЗУЛЬТАТЫ

1. Существующие методы оценки настроений инвесторов имеют ряд недостатков связанных как с использованием ограниченного объема имеющейся информации, так и со сложностью их построения частным инвестором. Эмпирическая функция абсолютного неприятия риска (RAa), используя более полный массив данных об опционных торгах, и являясь относительно простой для построения, представляет собой более качественный инструмент оценки рыночных настроений.

2. При построении функции абсолютного неприятия риска (RAa) на основе реальных данных необходимо оценивать виртуальные внебиржевые опционы путем интерполирования значений опционной волатильности на возможные цены исполнения, находящиеся между реально торгуемыми страйками. Интерполирование осуществляется путем подбора наилучшей аппроксимирующей функции многочлена n-го порядка, что обеспечивает соответствие построенной функции реальным данным, и наиболее полно учитывает поведенческие особенности инвесторов.

3. Значение безрисковой ставки процента, необходимое для оценки опционной волатильности, рассчитывается путем сопоставления текущих цен фьючерсов и их базовых активов, что гарантирует соответствие полученных значений тем, которые использует массовый инвестор.

4. Способ построения, основанный на сопоставлении действительного исторического и риск-нейтрального распределений, позволяет функции RAa иметь множество возможных форм, зависящих от соотношений центральных моментов распределений, которые явным образом отражают поведенческие характеристики инвесторов. Математические ожидания определяют общий уровень значений RAa, дисперсии влияют на угол ее наклона, ассиметрии образуют нарушения монотонности.

5. Форма функции RAa косвенным образом отражает зависимость спроса на рисковый актив от уровня его возможной доходности. Чем ниже значение функции БАа, тем менее рискованной данная котировка выглядит для инвестирования и тем выше на нее спрос. Сравнение значений функции ЫАа позволяет определить предпочтения инвесторов к любой возможной динамике рыночных котировок.

6. Инвесторы двигают котировки финансовых активов в сторону наиболее благоприятных для себя исходов, что позволяет на основе выявленных предпочтений определять их будущую динамику и создавать инвестиционные стратегии. Убывающая форма кривой ЛАа, свидетельствующая о том, что каждая более высокая цена изучаемого актива рассматривается рыночными инвесторами как более предпочтительная, сигнализирует о вероятном будущем росте котировок, и требует открытия длинной позиции по базовому активу. Возрастающая форма кривой ЯАа, говорит о возможной коррекции на рынке и подразумевает открытие короткой позиции по базовому активу.

7. Для наиболее полного учета предпочтений инвесторов, выраженных в структурной форме кривой ЫАа, при построении инвестиционной стратегии необходимо использовать систему линейных ограничений, описывающих интервалы возможного возрастания и убывания цены изучаемого актива, наиболее вероятные будущие значение его котировки, а также защиту от возможных ошибочных сигналов индикатора

8. Показатель ЯАа доказал свою эффективность на основе данных с российского рынка. За период с января 2007 по февраль 2010 доля его точных сигналов составила 61%, с июля 2008 по февраль 2010 точность индикатора возросла до 75%. Расхождения в значениях эффективности связаны с тем, что предлагаемый показатель предсказал кризис уже за год до его фактического наступления, что привело к ошибкам в масштабе месяцев 2007 года.

9. Инвестиционные стратегии, построенные на основе сигналов функции КАа, за исследуемый период позволили переиграть рынок, и удвоить инвестированный капитал. Эффективность подобного способа построения портфелей была подтверждена как на основе классических показателей инвестирования, так и индикаторов, учитывающих высшие моменты распределений и поведенческие особенности инвесторов.

10. Использование функции RAa позволило повысить точность прогнозов рыночной динамики и построить более эффективные стратегии инвестирования по сравнению с показателем Put/Call и индексом волатильности в терминах доходности и риска за счет более полного описания структуры настроений инвесторов и строгой методики построения и интерпретации данных.

ОСНОВНЫЕ ПОЛОЖЕНИЯ, ВЫДВИГАЕМЫЕ НА ЗАЩИТУ

1. Усовершенствован механизм выявления предпочтений инвесторов с помощью индикатора абсолютного неприятия риска (11Аа) на основе структуры цен биржевых опционов с различными страйками, который наиболее полно отображает структуру рыночных настроений.

2. Создана методика оценки безрисковой ставки процента, дающая возможность ее вычисления без привязки к выбору безрискового актива и гарантирующая ее соответствие рыночной ситуации.

3. Разработана теоретическая база анализа для эмпирически построенной функции ЫАа, позволяющая на основе выявленной зависимости между спросом на рисковый актив и уровнем его потенциальной доходности определить потенциальные значения цены изучаемого актива, которые инвесторы полагают наиболее предпочтительными для инвестирования.

4. Предложена методика оптимизации инвестиционного портфеля на основе сигналов функции ЯАа с использованием биржевых опционных контрактов, основанная на построении системы линейных ограничений, описывающих выявленные предпочтения инвесторов.

5. Установлена возможность выявления рыночных предпочтений на примере реального фондового рынка и их использования для эффективного анализа динамики рыночных котировок в условиях низкой ликвидности опционного рынка.

6. Выявлено повышение эффективности инвестирования при использовании функции БАа по сравнению с применением стратегии удержания базового актива и торговлей на основе наиболее распространенных индикаторов настроений инвесторов.

ЗАКЛЮЧЕНИЕ

В настоящее время анализ настроений инвесторов является одним из наиболее распространенных и доступных методов изучения динамики рыночных котировок. Однако существующие методы анализа позволяют выявлять исключительно доминирующее направление ожидаемой рыночной динамики. Поскольку у рыночных инвесторов может отсутствовать единое мнение относительно будущего развития экономики, использование существующих методов не позволит выявить все многообразие рыночных настроений. С одной стороны это приводит к тому, что у исследователей функционирования финансового рынка оказывается недостаточно информации для того, чтобы определить роль субъективного фактора человеческого поведения в формировании рыночных котировок. С другой стороны инвесторы, торгующие на рынке, получают недостаточно торговых сигналов для оптимизации своих стратегий. В связи с этим создание новой доступной методики оценки структуры рыночных настроений открывает большие перспективы в области теоретического исследования фондового рынка и практического инвестирования.

Учитывая вышеизложенное, настоящее исследование состояло из трех частей. В первой части был проведен обзор наиболее распространенных на данный момент методов оценки настроений инвесторов и выявлен подход, который позволяет наиболее полно отобразить рыночные ожидания. Было предложено его теоретическое обоснование и разработан механизм эмпирического выявления на российском фондовом рынке. Вторая часть исследования была направлена на разработку методики инвестирования на основе предложенного инструмента. Третья часть состояла в эмпирической проверке эффективности предложенного индикатора на основе данных с российского финансового рынка. Предлагаемый метод сравнивался с базовыми инвестиционными стратегиями, и доминирующими индикаторами рыночных настроений.

В первой части исследования было выявлено, что теоретический подход на основе функции RAa позволяет описать многообразие настроений инвесторов через их предпочтения относительно будущей динамики рыночных котировок. Более того, в некоторых практических работах было доказано, что эмпирически построенная функция RAa может давать торговые сигналы. В частности ученые отмечали, что данный индикатор выявляет арбитражные возможности на опционном рынке. На основе этих наблюдений была усовершенствована методика эмпирической оценки функции RAa и разработана теоретическая база для анализа ее структуры. В ходе исследования было выявлено, что монотонное убывание функции RAa теоретически соответствует ожиданию роста котировок исследуемого актива на соответствующих интервалах доходности. Аналогично монотонное возрастание функции RAa свидетельствует о возможности будущего падения на рынке. Локальные минимумы функции RAa сигнализируют о наиболее вероятных будущих исходах, а локальные максимумы — о наименее вероятных. Была проверена гипотеза о наличии арбитражных возможностей на доходностях, где функция RAa принимает отрицательные значения, но подтверждения она не получила.

Эмпирическая апробация предложенной методики на отечественном фондовом рынке выявила, что даже в условиях относительно низкой ликвидности российского срочного рынка опционные цены предоставляют информацию, достаточную для оценки рыночных настроений, а эмпирически построенные функции RAa подают торговые сигналы. Их изучение показало, что с 2007 по 2010 год инвесторы несколько раз меняли структуру своих риск-предпочтений. В течение месяцев, непосредственно предшествовавших наступлению кризиса, значения функции RAa возрастали с увеличением потенциальной доходности, что свидетельствовало об ожидании предстоящего падения котировок. Когда острая фаза кризиса была пройдена, функции неприятия риска стали принимать в основном монотонно убывающую форму, предвосхищая будущее восстановление рынка. На основании этих наблюдений был сделан вывод о том, что функции неприятия риска обладают определенной предсказательной силой относительно будущей динамики котировок. За исследуемый период точность ее сигналов составила 61%, а по мере развития торгов достигла 75%.

Во второй части исследования на основе разработанной теоретической базы анализа функции БАа была создана методика построения оптимизированного инвестиционного портфеля, учитывающего рыночные предпочтения. Изначально на основе сигналов 11Аа определялся оптимальный профиль будущей прибыли. Затем записывались линейные ограничение зависящие от сигналов функции ЯАа, соответствующие желаемому профилю прибыли. В частности устанавливались линейные ограничения на интервалы возрастания и убывания профиля прибыли, на максимизацию прибыли при наиболее вероятном исходе, на нулевую изначальную величину инвестиций и на максимальную величину убытков. Решение описанной системы линейных ограничений позволяло определять, какие опционы из реально торгующихся на рынке, и в каком количестве необходимо добавлять портфель. Более того, предложенная система линейных ограничений позволяла защищаться от ошибочных сигналов индикатора, а также использовать арбитражные возможности даже тогда, когда индикатор их не улавливал.

В третьей части исследования на основе разработанной методики была проведена эмпирическая апробация разработанного торгового механизма. С января 2007 года по февраль 2010 года ежемесячно на основе сигналов эмпирически построенной функции ЛАа строился оптимизированный портфель опционных контрактов на индекс РТС, а также приобретался портфель, состоящий из короткой или длинной позиции по базовому активу при условии наличия монотонности ожиданий инвесторов. За исследуемый период значение индекса РТС упало на 18%, оптимизированный опционный портфель позволил получить кумулятивную доходность 88%, а торговля базовым активом на основе сигналов ЫАа принесла 76% доходности. Анализ коэффициентов эффективности предложенных стратегий выявил превосходство торговли на основе функции ЯАа по сравнению со стратегией удержания базового актива. Более того, эти результаты были получены не только на основе стандартных индикаторов эффективности, но и с применением альтернативных коэффициентов. Этот вывод подтвердил целесообразность использования функции КАа для анализа рыночной динамики и торговли на фондовом рынке.

На основе полученных результатов был сделан вывод о том, что использование индикатора ЫАа является эффективным для построения инвестиционных стратегий, а сам индикатор позволяет решить проблемы связанные с существующими на данный момент методами оценки настроений инвесторов:

• учитывать полный объем информации о торгах;

• минимизировать влияние субъективного фактора аналитика; / • более полно описывать структуру рыночных настроений;

• обеспечивать доступность построения.

В настоящий момент, к сожалению, не представляется возможным выделить все факторы, влияющие на динамику котировок на фондовом рынке. Однако, несомненно, разработанная в представленном исследовании методика эмпирического выявления и анализа предпочтений рыночных инвесторов в совокупности с исследованиями адекватности фундаментальных оценок финансовых активов позволит в дальнейшем в значительной степени продвинуться в изучении данного вопроса.

Список литературы диссертационного исследования кандидат экономических наук Гордейчук, Егор Николаевич, 2010 год

1. Балабушкин А.Н., Опционы и Фьючерсы. Методическое пособие. — М.:Фондовая биржа РТС, 2002.

2. Буренин А.Н., Фьючерсные, Форвардные и Опционные рынки: Учебное пособие 2-е издание — М.: Научно-техническое общество имени академика С.И. Вавилова. 2002.

3. Галиц Л., Финансовая Инженерия: Инструменты и способы управления финансовым риском. — М.:ТВП, 1998.

4. Гордейчук E.H., Стратегия BuyWrite и ее применение на российском фондовом рынке, магистерская диссертация, ГУ-ВШЭ, 2008.

5. Гордейчук, E.H. Методика оценки динамики риск-предпочтений на российском фондовом рынке и ее применение в биржевой торговле. // Экономический анализ: Теория и практика. — 2009. — №36. — с. 54-62.

6. Гордейчук, E.H. Оценка риск-предпочтений инвесторов на основе опционных цен. // Фондовый рынок России: современное состояние, инструменты и тенденции развития. М.: Издательский дом ГУ-ВШЭ, 2009 -с. 87-97.

7. Даймонд Дж., Коллапс. М.:АСТ, 2008.

8. Кейнс Дж. М., Общая теория занятости, процента и денег. — М.: Гелиос АРВ, 1999.

9. Курочкин С.В., Пичугин И.В., Структурированный коллар: построение сложных опционных продуктов // Рынок ценных бумаг. — 2005. -№14.-с. 64-68.

10. Найман Э.-Л., Малая энциклопедия трейдера. К.: ВИРА-Р Альфа Капитал, 1999.

11. Недосекин А.О., Оптимизация фондового портфеля, состоящего из одних опционов // Банки и Риски. — 2005. — №2.

12. Пензин К.В., О рынке производных инструментов в России // Деньги и кредит, 2001.

13. Талеб Н.Н., Черный лебедь.-М.:Колибри, 2009.

14. Шоломицкий А.Г., Теория риска. Выбор при неопределенности и моделирование риска, М.: Изд. Дом ГУ ВШЭ, 2005.

15. Ait-Sahalia Y, Lo A.W., Nonparametric estimation of state-price densities implicit in financial asset prices // Journal of Finance. 1998. - №53. - c.499-547.

16. Ait-Sahalia Y, Lo A.W., Nonparametric risk management and implied risk aversion // Journal of econometrics. 2000. - №94. - c. 9-51.

17. Arrow K.J. Aspects of the Theory of Risk-Bearing. Helsinki: Yijo Hahnsson Foundation, 1965.

18. Bacmann J-F., Scholz F., Alternative performance measures for hedge funds. The alternative investment management association, 2003.

19. Bakshi G., Kapadia N., Delta-hedged gains and the negative market volatility risk premium // The Review of Financial Studies. 2003. - №16. - c.527-566.

20. Bakshi G., Kapadia N., Volatility risk-premiums embedded in individual equity options: some new insights // The Journal of Derivatives. — 2003. — №11. — c.45-54.

21. Benson K., Gray P., Calotay E., Qiu J., Portfolio construction and performance measurement when returns are non-normal // Australian Journal of Management. 2008. - Vol. 32. - №3, Special Issue. - c. 445-462.

22. Black F., Scholes M., Option pricing and corporate liabilities // The journal of political economy. 1973. -№81. - c.637-654.

23. Bondarenko O., Why are Put Options So Expensive?, Working Paper, 2003.

24. Bookstaber R., Clarke R., Option portfolio strategies: measurement and evaluation // The journal of business. 1984. - №57. - c.469-492.

25. Bradshaw, M., The use of target prices to justify sell-side analysts' stock recommendations // Accounting Horizons. 2002. - №16. - c.27-40.

26. Bradshaw, M., How do analysts use their earnings forecasts in generating stock recommendations? // The Accounting Review. 2004. - №79. - c.25-50.

27. Breeden D., Litzenberger R., Prices for state-contingent claims implicit in option prices // Journal of Business. 1978. - №51. — c.621-651.

28. Canina L., Figlewski S., The informational aspect of implied volatility // The Review of Financial Studies. 1993. - №6. - c.659-681.

29. Chang E.J., Tabak B.M., Risk-neutral probability densities // Financial Stability Report. -2002. November. - c. 132-141.

30. Christensen B.J., Prabhalla N.R., The relation between implied and realized volatility//Journal of Financial Economics. 1998. -№50. - c. 125-150.

31. Constantinides G.M., Jackwerth J.C., Perrakis S., Option Pricing: Real and Risk-Neutral Distributions, CoFE Discussion. 2005

32. Coudert V. Gex M., Can risk aversion indicators anticipate financial crises? // Banque de France, Financial Stability Review. 2006. - №9, December. -c.67-87

33. Cox, J.C., Ross S.A., Rubinstein M., Option Pricing: A Simplified Approach // Journal of Financial Economics. 1979. - №7. - c.229-263.

34. Dreze J., Market Allocation Under Uncertainty // European Economic Review. 1970. - Winter. - c. 133-165.

35. Elliott R.N., R.N. Elliott's Market Letters. Gainesville: New Classics Library, 1993.

36. Feldman B., Roy D., Passive option-based investment strategies: the case of the CBOE S&P500 BuyWrite index. Ibbotson Associates, 2004.

37. Gann W.D., How to make profits in commodities, Pomeroy: Library of Gann publishing Co. Inc., 1951.

38. Giamouridis, D., Inferring option-implied investors' risk preferences // Applied financial economics. 2005. - №15, 7. - c.479-488.

39. Graham, J.R., Herding Among Investment Newsletters: Theory and Evidence // Journal of Finance. 1999. - №54. - c.237-268.

40. Hong, H., Kubik, J.D., Solomon A., Security Analysts' Career Concerns and Herding of Earnings Forecasts // RAND Journal of Economics. 2000. - №31. -c.121-144.

41. Huang C-F., Litzenberger R.H., Foundations for Financial Economics, — McGraw-. Hill/Appleton & Lange, 1998

42. Hull J., Options, Futures and Other Derivatives. -New Jersey: Prentice Hill, 2003.

43. Jackwerth J.C., Option implied risk neutral distributions and implied binomial trees: a literature review // Journal of derivatives. 1999. - Winter. - c.66-82

44. Jackwerth J.C., Recovering risk aversion from option prices and realized returns // The Review of Financial Studies. 2000. - Summer, Vol. 13, 2. — c.433-451

45. Jackwerth J.C. Rubinstein M., Recovering probability distributions from option prices // Journal of finance. — 1996. — №51. — c. 1611-1631

46. Jensen, M.J., The performance of mutual funds in the period 1945-1964 // Journal of finance. 1968. -№23, 2 - c.389-416.

47. Kahneman D., Tversky A., Prospect theory: an analysis of decision under risk // Econometrica. 1979 - №47. - c.263-292.

48. Kapadia N., Szado E., The risk and return characteristics of the Buy Write strategy on the Russell 2000 index, Isenberg school of management, 2007.

49. Leggio K.B., Seaman K., From alpha (Leland's) to omega: are hedge funds a good investment, Bloch school of business and public administration. 2004

50. Leland H.E., Who Should Buy Portfolio Insurance? // Journal of finance, 1980. - №35. - c.581-594.

51. Leland H.E., Risk and performance measures for portfolios with nonsymmetric return distributions, Haas School of Business, 1997.

52. Leland H.E., Beyond mean-variance: performance measurement in a nonsymmetrical world, Association for investment management and research, 1999.

53. Lioui A. Malka R., Revealing the parameter of risk aversion from option prices when markets are incomplete: theory and evidence, препринт, 2004

54. Markov S., Tamayo A., Predictability in financial analyst forecast errors: learning or irrationality?, — Рабочий документ, 2003.

55. Markowitz, H.M., Portfolio selection // The Journal of finance, 1952. -№7 (1) - c.77-91.

56. Merton R.C., Scholes M.S., Gladstein M.L., The returns and risk of alternative call option portfolio investment strategies // The Journal of Business. — 1978. №51. -c. 183-242.

57. Merton, R. С., M. S. Scholes, and M. L. Gladstein., The returns and risks of alternative put-option portfolio investment strategies // Journal of Business. — 1982. №55.-c. 1-55.

58. Modigliani F. Modigliani L., Risk adjusted performance // Journal of portfolio Management. 1997. - №23. - c.45-54.

59. Natenberg S., Option Volatility and Pricing. New-York: McGraw-Hill.1994.

60. Pan J. Poteshman A., The information of option volume for future stock prices, Рабочий документ. 2003.

61. Pratt, J. W., Risk aversion in the small and in the large // Econometrica. -1964.-№32.-c. 122-136.

62. Rabin M., Psychology and economics // Journal of Economic Literature. -1998.-№36.-c.l 1-46.

63. Ramnath S., Rock S., Shane P., Financial analysts forecasting literature: a taxonomy with trends and suggestions for further researches // International journal of forecasting. 2008. - Vol. 24. - c.34-75.

64. Riley M., Accounting information and analyst forecast errors: a study of the explanatory power of discretionary accruals and accruals quality, —Doctor of Philosophy dissertation, Texas Tech University, 2007.

65. Ross S., Options and Efficiency // Quarterly Journal of Economics, -1976. №90. - c.75-89.

66. Rubinstein M., The valuation of uncertain income streams and the pricing of options // Bell journal of economics and management science. 1976. - №7. -c.407-425.

67. Rubinstein M., Implied binomial trees // Journal of Finance. 1994. -№69.-c.771-818.

68. Scheicher M., What drives investor risk aversion? Daily evidence from the German equity market // BIS quarterly review. 2003. - June.

69. Sharpe W.F., The Sharpe ratio // Journal of portfolio management. -1994. vol. 21. - c.49-58.

70. Shimko D., Bounds of Probability // Risk. 1993. - №6. - c.33-37

71. Silverman B.W., Density estimation for statistics and data analysis, -London: Chapman & Hall, 1986.

72. Sortino F.A., Price L.N. Performance measurement in a downside risk framework // Journal of Investing. 1994. - Fall. - c.59-65.

73. Stutzer M., A portfolio performance index // Financial analysts journal. -2000.-№56.-c.52-61.

74. Summa J., Trading against the crowd, John Wiley & Sons, Inc, 2004.

75. Tarashev N., Tsatsaronis K., Karampatos D. Investors' attitude towards risk: what can we learn from options? // BIS Quarterly Review. 2003. - June. -c.57-66.

76. Treynor, J. L. How to rate management investment funds // Harvard Business Review. 1966. - №43, 1. - c.63-75.

77. Tsuji J., Are investment strategies exploiting option investor sentiment profitable? Evidence from Japan // International journal of business and management. 2009. - vol. 4, 5. - c.92-105

78. Velasco M.V., Relation entre la Volatilité Implicite et la Volatilité Réalisée, Исследовательский доклад, 2006.

79. Whaley R.E., Return and risk of the СВОЕ Buy-Write monthly index // Journal of derivatives. 2002. - vol. 10, 2. - c.35-42

80. Zweig M., Winning on Wall Street, Warner Books Grand Central Publishing; Rev Upd. edition. 1997.

81. Статистические данные с сервера срочного рынка биржи РТС ftp.rts.ru/pub/FORTS

82. Аналитические материалы брокерской компании IT-Invest: www.itinvest.ru

83. Аналитически материалы журнала Forbes The world's billionaires: http://www.forbes.com/2009/03/ll/worlds-richest-people-billionaires-20Q9-billionaires land.html

84. Материалы Чикагской опционной биржи (СВОЕ), посвященные построению индикатора волатильности The СВОЕ volatility index — VIX: http://www.cboe.com/micro/vix/

85. Методика расчета кривой волатильности на бирже РТС: http://fs.rts.ru/files/5562/

86. Интернет-сайт финансовой корпорации Открытие: www.open.ru

87. Интернет-сайт инвестиционно-финансовой компании Опцион: www.option.ru