Стратегии управления портфелем финансовых инвестиций

 

2.2. Стратегия управления  инвестиционным портфелем 

 

Алгоритм реализации современной портфельной теории позволяющей оптимизировать формируемый портфель финансовых инвестиций состоит из следующих этапов:

1. Оценка инвестиционных качеств  отдельных видов финансовых инструментов  инвестирования является предварительным этапом формирования портфеля. Она представляет собой процесс рассмотрения преимуществ и недостатков различных видов финансовых инструментов инвестирования, с позиций конкретного инвестора исходя из цепей сформированной им политики финансового инвестирования. Результатом этого этапа формирования портфеля является определение соотношения долевых и долговых финансовых инструментов инвестирования в портфеле, а в разрезе каждой из этих групп — доли отдельных видов финансовых инструментов (акций, облигаций и т.п.).

2. Формирование инвестиционных  решений относительно включения  в портфель индивидуальных финансовых инструментов инвестирования базируется на:

• избранном типе портфеля, реализующем политику финансового инвестирования;
• наличии предложения отдельных финансовых инструментов на рынке;
• оценке стоимости и уровня прибыльности отдельных финансовых инструментов;
• оценке уровня систематического (рыночного) риска по каждому рассматриваемому финансовому инструменту.

Результатом этого этапа формирования портфеля является ранжированный по соотношению уровня доходности и риска перечень отобранных для включения в портфель конкретных финансовых инструментов.

3. Оптимизация портфеля, направленная  на снижение уровня его риска  при заданном уровне доходности, основывается на оценке ковариации и соответствующей диверсификации инструментов портфеля.

4. Совокупная оценка сформированного портфеля по соотношению уровня доходности и риска позволяет оценить эффективность всей работы по его формированию.

Уровень доходности портфеля рассчитывается по следующей формуле:

УДп  =  åУДi х Уi, где:

УДп — уровень доходности инвестиционного портфеля;

УДi — уровень доходности отдельных финансовых инструментов в портфеле;

Уi — удельный вес отдельных финансовых инструментов в совокупной стоимости инвестиционного портфеля, выраженный десятичной дробью.

Уровень риска портфеля рассчитывается по следующей формуле:

УРп =  åУСРi х Уi + УНРп, где:

УРп — уровень риска инвестиционного портфеля:

УСРi — уровень систематического риска отдельных финансовых инструментов (измеряемый с помощью бета-коэффициента);

Уi — удельный вес отдельных финансовых инструментов в совокупной стоимости инвестиционного портфеля, выраженный десятичной дробью;

УНРп — уровень несистематического риска портфеля, достигнутый в процессе его диверсификации.

Результатом этого этапа оценки портфеля является определение того, насколько удалось снизить уровень портфельного риска по отношению к среднерыночному его уровню, сформированному при заданном уровне доходности инвестиционного портфеля, в условиях функционирования нашего фондового рынка эта оценка должна быть дополнена и показателем уровня ликвидности сформированного портфеля [1, с.80].

Инвестиционный портфель, который полностью отвечает целям его формирования, как по типу, так и по составу включенных в него финансовых инструментов, представляет собой «сбалансированный инвестиционный портфель».

Управление инвестиционным портфелем включает в себя планирование, анализ и регулирование состава портфеля для достижения поставленных перед портфелем целей при сохранении необходимого уровня его ликвидности и минимизации расходов связанных с ним.

В условиях дефицитной инфляционной экономики с падающим объемом производства целями портфельных инвестиций являются:

• сохранность и приращение капитала;
• приобретение ценных бумаг, которые могут быть использованы для расчетов;
• доступ через ценные бумаги к определенным услугам, правам, продукции;
• расширение сферы влияния.

Объектом портфельного инвестирования являются как фондовые ценные бумаги (акции и облигации акционерных обществ и предприятий, а также производные от них ценные бумаги, государственные облигации и долговые  обязательства), так и коммерческие ценные бумаги — векселя, депозитные сертификаты банков.

Принято различать два вида стратегии в финансовых инвестициях:

• пассивная стратегия, целью которой является обеспечение стабильного и устойчивого дохода на уровне, близком к среднерыночному;
• агрессивная стратегия направлена на максимальное использование возможностей получения дохода от рыночного колебания курсов; для успешного проведения агрессивной стратегии необходимо располагать серьезной аналитической базой, обеспечивающей объективную оценку текущего состояния финансового рынка и составление адекватных прогнозов его изменения.

 

2.3. Применение экспертных  систем в формировании и управлении инвестиционным портфелем 

 

Экспертные системы (ЭС) представляются собой компьютерные программы, использующие принципы искусственного интеллекта и формализованные знания эксперта для обработки оперативной информации и принятия обоснованных решений в анализируемой предметной области.

Существуют два принципиально различных класса ЭС:

• основанные на правилах;
• основанные на примерах.

Первый класс ЭС применяется для работы с хорошо систематизированными элементами знаний и априори известными закономерностями, выраженными различного рода методиками, инструкциями, правилами и т.п.

Второй класс ЭС используется в ситуациях, когда отсутствуют какие-либо явные связи и закономерности между элементами знаний, а сами знания представлены в виде списков примеров, описывающих реализации тех или иных событий.

Если первый класс ЭС работает с хорошо определенными данными и знаниями, извлеченными из экспертов-аналитиков инженерами знаний, то второй — формирует свои знания путем адаптации к предметной области, представленной примерами, причем как обучающая, так и анализируемая информация может быть искажена и неполна.

ЭС с успехом применяются в тех областях, где кроме применения стандартных алгоритмических методов, основанных на точных вычислениях, по существу знания и опыт конкретных экспертов-аналитиков, а принятие решений формируется в условиях неполноты данных и зависит скорее от качественных, чем количественных оценок.

В качестве иллюстрации использования технологии экспертных систем в финансовой деятельности приведем примеры некоторых наиболее типичных конкретных разработок ЭС. О масштабах исследований и предложений на рынке ЭС в области финансов можно судить по международным научным конференциям (например, Artificial International Applications on Wall Street, Oct. 9-12, 1991, New York) и коммерческим каталогам, в которых стоимости конкретных предложений колеблются от тысяч до десятков тысяч долларов.

1. Финансовые ЭС, основанные на  правилах

Множество фирм на Уолл-Стрит установили ЭС для решения задач в таких областях как: торги на фондовой бирже, автоматическое понимание новостей, кредитный анализ, управление рисками, построение портфелей кредитов и инвестиций, оценка рейтинга банков, автоматизация аудита, предсказание изменений на финансовом рынке и т.д.

Примерами этому является целый класс консультативных ЭС: Bear, Sterns & Company’s Broker Monitoring System, Athena Group’s Portfolio Advisor и Trader’s Assistant, совместно разработанные корпорациями Author D. Little Corporation, Knowledge-Based Network Corporation и еще шестью финансовыми институтами. Японский Sanwa Bank, один из крупнейших мировых банков, применяет экспертную систему Best Mix для улучшения качества своей информации по инвестициям.

ЭС Nikko Portfolio Consultation Management System, разработанная для внутреннего использования фирмой Nikko Securities, Ltd., помогает управляющим фондами выбрать оптимальный портфель для своих клиентов. Данная система основана на базе данных с информацией за пять лет продаж акций и на системе с новой теорией управления портфелем, которая вычисляет и оптимизирует портфель ценных бумаг для страховки от различных рисков. Управляющие фондами освобождаются от рутинных вычислений и, таким образом, имеют возможность более быстро составить оптимальный портфель ценных бумаг. Компания IDS Financial Services, подразделение финансового планирования American Express Company, классифицировали финансовые экспертизы своих лучших управляющих для создания экспертной системы, названной Insight. IDS включила экспертизы лучших управляющих в свои средства, т.е. экспертную систему, доступную всем своим планировщикам. Одним из основных результатов применения экспертной системы в компании IDS стало то, что процент покинувших фирму клиентов упал более чем наполовину.

Перечислим характеристики некоторых конкретных ЭС этого класса.

А) FLiPSiDE: Система логического программирования финансовой экспертизы.

Решаемые задачи:

• мониторинг состояния рынка ценных бумаг;
• мониторинг состояния текущего портфеля ценных бумаг;
• поддержка обзора будущих условий рынка;
• планирование и выполнение продаж.

Краткие характеристики:

• применение оригинальной парадигмы «Классной доски», описанной Ньюэллом;
• язык Пролог в качестве платформы программирования;
• представление данных на «Классной доске» в качестве исходных данных для различных знаний.

Б) Splendors: Система управления портфелем ценных бумаг реального времени

Решаемые задачи: достижение разнообразных инвестиционных целей в условиях быстро меняющихся данных.

Краткие характеристики:

• система реального времени;
• использование специализированного языка высокого уровня Profit;
• большая гибкость в создании портфеля для опытных программистов на C;
• возможность создания портфеля непрограммирующему финансовому аналитику.

Система позволяет формировать оптимальные инвестиционные портфели в реальном масштабе за счет игры на учете быстрых изменений на фондовой бирже.

В) PMIDSS: Система поддержки принятия решений при управлении портфелем

Решаемые задачи:

• выбор портфеля ценных бумаг;
• долгосрочное планирование инвестиций.

Краткие характеристики:

• смешанная система представления знаний;
• использование разнообразных механизмов вывода: логика, направленные семантические сети, фреймы, правила.

Г) Le Courtier: Система ассистент-эксперт для менеджера портфеля

Решаемые задачи:

• помощь инвесторам в определении своих инвестиционных целей;
• управление портфелем.

Краткие характеристики:

• использование правил;
• мощный естественно-языковый интерфейс.

Д) PMA: Советчик управляющему портфелем

Решаемые задачи:

• формирование портфеля;
• оказание рекомендаций по сопровождению портфеля.

Краткие характеристики:

• обеспечение качественного обоснования результатам применения различных численных методов.

2. ЭС, основанные на примерах

ЭС, основанные на примерах, можно по принципам работы можно разделить на две группы: использующие нейронные сети и использующие алгоритм индуктивного обобщения ID3.

Первые в основном используются как предварительно обученный на примерах классификатор, у которого при подаче на его вход набора значений исходных финансовых параметров на выходе появляется искомое решение по данной финансовой ситуации.

Вторые по наборам примеров формируют дерево решений, из которого затем строятся соответствующие для принятия решений правила.

Ниже мы приведем 2 типичных примера ЭС обоих групп.

А) S&PCBRS: Нейронный симулятор для оценки рейтинга ценных бумаг

Решаемые задачи:

• оценка рейтинга ценных бумаг по данным о фирмах эмитентах;
• формирование корректной рейтинговой шкалы.

Краткие характеристики:

• представление задачи оценки рейтинга как задачи классификации;
• отбор данных о фирмах эмитентах и формирование обучающего материала;
• выбор нейроклассификатора, его обучение и тестирование;
• сравнение с оценками экспертов;
• использование нейросетевой парадигмы Couter-Propagation;
• вероятность правильного предсказания рейтинга 84%.

Б) ISPMS: Интеллектуальная система управления портфелем ценных бумаг

Решаемые задачи: формирование портфеля акций, обеспечивающего баланс между риском и предполагаемым доходом.

Краткие характеристики:

• использование оптимизационной модели квадратичного программирования Гарри Марковица;
• баз данных и баз знаний по фирмам-эмитентам и отраслям;
• наличие подсистемы обучения на прошлом опыте, основанной на извлечении правил из большого количества фактов;
• учет знаний эксперта и личных предпочтений инвестора в оптимизационной модели;
• вероятность правильного предсказания резкого изменения на фондовой бирже в пределах 68% — 84%.