Ацканов И.А.аспирант департамента финансов, Национальный исследовательский университет «Высшая школа экономики», Москва, Российская Федерация atskanov@gmail.com
Предмет. GAS-копулы учитывают изменения в структуре взаимосвязи активов с течением времени, что позволяет построить динамический инвестиционный портфель, адаптирующийся к меняющимся условиям. Предлагаемая в работе процедура предполагает периодический пересмотр структуры инвестиционного портфеля, что должно способствовать повышению эффективности управления. Рассматриваются 10 наиболее ликвидных акций российского фондового рынка. Работа предлагает процедуры оптимизации нескольких форматов инвестиционных портфелей – портфель «long only», портфель «long only» с ограничениями на долю одного актива и портфель «long-short». Также рассматриваются несколько периодов пересмотра состава портфеля – месяц, квартал, полгода и год. Для оценки характеристик взаимосвязи акций и риска портфеля используется обратная GAS-копула Гумбеля, позволяющая уделить большее внимание взаимосвязи негативных доходностей. Для получения предельных распределений доходностей активов используется модель ARMA-GJR, параметры которой подбираются с помощью критерия BIC. Оптимизированные с использованием GAS-копул портфели сравниваются по ряду показателей эффективности с точки зрения риска и доходности с рыночными «бенчмарками». Цели. Разработка эффективной процедуры оптимизации портфеля акций на российском фондовом рынке с использованием современных инструментов оценки риска и возможности применения для данной цели GAS-копул Результаты. По итогам исследования предложенные процедуры оптимизации позволяют получать результаты выше рыночных. Результаты исследования и предложенная процедура оптимизации могут применяться в сфере управления активами и риск-менеджменте а также индивидуальными инвесторами в качестве вспомогательного инструмента инвестирования на рынке акций.
Sklar A. Fonctions de répartition à n dimensions et leurs marges. Publications de l'Institut de Statistique de l'Université de Paris, 1959, vol. 8, pp. 229–231.
Embrechts P., McNeil A., Straumann D. Correlation: Pitfalls and Alternatives. Risk Magazine, 1999. URL: Link.
Fama E.F., French K.R. Common risk factors in the returns on stocks and bonds. Journal of Financial Economics, 1993, vol. 33, pp. 3–56. doi: 10.1016/0304-405X(93)90023-5
Deng L., Ma C., Yang W. Portfolio Optimization via Pair Copula-GARCH-EVT-CVaR Model. Systems Engineering Procedia, 2011, vol. 2, pp. 171–181. doi: 10.1016/j.sepro.2011.10.020
Patton A.J. On the out-of-sample importance of skewness and asymmetric dependence for asset allocation. Journal of Financial Econometrics, 2004, vol. 2, iss. 1, pp. 130–168. doi: 10.1093/jjfinec/nbh006
Patton A.J. Modeling asymmetric exchange rate dependence. International Economic Review, 2006, vol. 47, iss. 2, pp. 527–556. doi: 10.1111/j.1468-2354.2006.00387.x
Embrechts P., Dias A. Dynamic copula models for multivariate high-frequence data in finance. URL: Link.: Link.
Mesfioui M., Quessy J.F. Dependence structure of conditional Archimedean Copulas. Journal of Multivariate Analysis, 2008, vol. 99, iss. 3, pp. 372–385. doi: 10.1016/j.jmva.2006.10.007
Ning C. Extreme dependence in international stock markets. Ryerson University Working Paper, 2009. URL: Link.
Hu J. Dependence structures in Chinese and U.S. financial markets: A time-varying conditional copula approach. MPRA Paper, 2008, no. 11401. URL: Link.
Mendes B.V. Computing conditional VaR using time-varying copulas. Revista Brasileira de Finanças, 2005, vol. 3, iss. 2, pp. 251–265.
Aloui R., Hammoudeh S., Nguyen D.K. A time-varying copula approach to oil and stock market dependence: The case of transition economies. Energy Economics, 2013, vol. 39, pp. 208–221. doi: 10.1016/j.eneco.2013.04.012
Creal D., Koopman S.J., Lucas A. Generalized autoregressive score models with applications. Journal of Applied Econometrics, 2013, vol. 28, iss. 5, pp. 777–795. doi: 10.1002/jae.1279
Patton A.J. Copula Methods for Forecasting Multivariate Time Series. Elsevier B.V., Handbook of Economic Forecasting, 2013, vol. 2B. URL: Link. doi: 10.1016/B978-0-444-62731-5.00016-6
Genest C., Remillard B., Beaudoin D. Goodness-of-fit tests for copulas: A review and a power study. Insurance: Mathematics and Economics, 2009, vol. 44(2), pp. 199–213. doi: 10.1016/j.insmatheco.2007.10.0
Rémillard B., Scaillet O. Testing for Equality Between Two Copulas. Journal of Multivariate Analysis, 2009, vol. 100, iss. 3, pp. 377–386. doi: 10.1016/j.jmva.2008.05.004
Chen Y.-T. Moment Tests for Density Forecast Evaluation in the Presence of Parameter Estimation Uncertainty. Journal of Forecasting, 2011, vol. 30(4), pp. 409–450.
Genest C., Huang W., Dufour J.M. A modified regularized goodness-of-fit test for copulas. SSRN ElectronicJournal, 2012, vol. 154, pp. 64–77. doi: 10.2139/ssrn.2022367
Rivers D., Vuong Q. Model Selection Tests for Nonlinear Dynamic Models. The Econometrics Journal, 2002, vol. 5, iss. 1, pp. 1–39. doi: 10.1111/1368-423X.t01-1-00071
Diks C., Panchenko V., Van Dijk D. Out-of-sample comparison of copula specifications in multivariate density forecasts. Journal of Economic Dynamics and Control, 2010, vol. 34, iss. 9, pp. 1596–1609. doi: 10.1016/j.jedc.2010.06.021
Пеникас Г.И. Иерархические копулы в моделировании рисков инвестиционного портфеля // Прикладная эконометрика. 2014. № 3. С. 18–38.
Jacobs B., Levy K., Markowitz H. Portfolio optimization with factors, scenarios, and realistic short positions. Operations Research, 2005, vol. 53, iss. 4, pp. 586–599. doi: 10.1287/opre.1050.0212
Rockafellar R.T., Uryasev S. Optimization of conditional value-at-risk. Journal of Risk, 2000, vol. 2, iss. 3, pp. 21–41. doi: 10.1.1.125.7903
Rockafellar R.T., Uryasev S. Conditional value-at-risk for general loss distributions. Journal of Banking and Finance, 2002, vol. 26, iss. 7, pp. 1443–1471. doi: 10.1.1.298.9577
Hong Y., Tu J., Zhou G. Asymmetries in stock returns: Statistical tests and economic evaluation. Review of Financial Studies, 2007, vol. 20, iss. 5, pp. 1547–1581. doi: 10.1093/rfs/hhl037
Ortobelli S., Biglova A., Rachev S.T., Stoyanov S. Portfolio Selection Based on a Simulated Copula. Journal of Applied Functional Analysis, 2010, vol. 5, iss. 2, pp. 177–193.
Bai M., Sun L. Application of copula and copula-CVaR in the multivariate portfolio optimization. ESCAPE'07 Proceedings of the First International Conference on Combinatorics, Algorithms, Probabilistic and Experimental Methodologies. Springer-Verlag Berlin, Heidelberg, 2007, pp. 231–242.
Christoffersen P., Langlois H., The Joint Dynamics of Equity Market Factors. Journal of Financial and Quantitative Analysis, 2013, vol. 48, iss. 5, pp. 1371–1404. doi: Link
Christoffersen P., Errunza V., Jacobs K., Langlois H. Is the Potential for International Diversication Disappearing? A Dynamic Copula Approach. The Review of Financial Studies, 2012, vol. 25, iss. 12, pp. 3711–3751. doi: 10.1093/rfs/hhs104
Garcia R., Tsafack G. Dependence Structure and Extreme Comovements in International Equity and Bond Markets with Portfolio Diversification Effects. Journal of Banking & Finance, 2011, vol. 35, iss. 8, pp. 1954–1970. URL: Link. doi: 10.2139/ssrn.1107718
Ацканов И.А. Динамическая оптимизация инвестиционного портфеля с использованием парных копул на примере основных фондовых рынков Европы // Прикладная эконометрика. 2015. № 4. С. 84–105.
Теплова Т.В. Моментум-эффект на рынке акций и инвестиционная торговая стратегия «по течению»: методики тестирования и развитие модели ценообразования финансовых активов портфеля // Управление финансовыми рисками. 2013. № 4. С. 282–295.
Fitschen K. Building reliable trading systems: Tradable strategies that perform as they backtest and meet your risk-reward goals. New Jersey, John Wiley & Sons, 2013, 304 p.
