Каждый раз перед составлением инвестиционного портфеля любой инвестор задается вопросом - какие активы и в какой пропорции включить в портфель для получения максимальной доходности относительно взятого риска. В настоящий момент не существует единственно верной теории, модели или общепринятого мнения о том, какая стратегия обеспечивает наилучшее соотношение риска и доходности. При этом инвесторы пользуются огромным множеством различных способов, от технического анализа до современных методов машинного обучения. Для оценки справедливой цены актива некоторые инвесторы используют методы фундаментального анализа (например, модели дисконтированных денежных потоков), другие учитывают неопределенность и используют опционы, третьи добавляют в свои модели особенности поведенческих финансов, инкорпорируя иррациональное поведение индивидов и ослабляя предпосылки рациональных классических теорий.

Управление инвестиционным портфелем представляет собой нетривиальную задачу, финансовые результаты которой являются неким сигналом на рынке коллективных инвестиций. Прошлые результаты не гарантируют получение аналогичных результатов в будущем, но, тем не менее, позволяют оценить навыки портфельных управляющих, на основе которых в том числе происходит отбор ПИФов, НПФов, АИФов и инвестиционных компаний. На сегодняшний день выделяют два ключевых стиля инвестирования: активный и пассивный. Активное управление предполагает отбор недооцененных классов активов или отдельных активов внутри класса с целью получения избыточной доходности над бенчмарком. Пассивное инвестирование, в свою очередь, требует меньше времени и навыков и считается менее рискованным. Пассивные или индексные инвестиционные стратегии строятся на минимизации числа сделок, акции включаются в портфель с весами долей в индексе. Пассивное или buy-and-hold инвестирование предполагает следование за индексным портфелем. Между двумя этими стилями можно выделить факторное инвестирование и smart-beta инвестирование, что находится по соотношению риск-доходность между активным и пассивным. Факторные стратегии на инвестиционном рынке - это стратегии отбора активов в портфель, построенные на определенных критериях, которые заранее заданы и обоснованы, например, по критерию эффекта недооценки рынком акций (value investing), моментум эффекта, эффекта низкой волатильности, реверсал эффекта и т.д. Факторное инвестирование фактически реализуемо через факторные ETF, ПИФы, самостоятельную репликацию факторного портфеля. Широкую популярность обрела стратегия стоимостного инвестирования, в основе которой лежит поиск недооцененных рынком компаний (Graham & Dodd, 1989), где критерием отбора акций выступают различные мультипликаторы, например, BV/MV, Р/E, EV/EBITDA.

На сегодняшний день не менее перспективной стратегией инвестирования является стратегия инвестирования в качественные акции (quality effect), которая основана на изучении различных характеристик компании для отбора наиболее "качественных" активов. В общих чертах можно сказать, что идея качественного инвестирования основывается на очевидной идее о том, что компании, которые генерируют большую прибыль, являются стабильными, безопасными и хорошо управляются, в долгосрочной перспективе приносят бульшую доходность, чем рынок в среднем. Очевидно, что такие компании будут стоить дороже, чем в среднем по рынку - однако не обязательно, что они будут приносить стабильную сверхнормальную доходность. инвестирование финансовый акция

Особенно интересен этот стиль тем, что наиболее качественные активы, как правило, более устойчивы к потрясениям рынка, и, следовательно, качественное инвестирование является достаточно безопасной стратегией. Это особенно полезно при инвестировании на нестабильных развивающихся рынках, которые в большей степени подвержены различным потрясениям.

Данная работа актуальна по ряду причин. Прежде всего, российский фондовый рынок в последние годы показывал стремительный рост, и индексы обновляли исторические максимумы (например, индекс Московской биржи впервые в истории превысил значение в 3000 пунктов) до ухудшения эпидемиологической обстановки в мире. В связи с этим можно ожидать повышенное внимание к российскому рынку после нормализации ситуации на мировых фондовых рынках и искать новые пути инвестирования на нем. Учитывая специфику российского рынка, необходимо также отбирать компании, которые наиболее устойчивы к потрясениям рынка. Данная работа является профессионально значимой и интересной инвесторам на фондовом рынке в том числе и потому, что используемые в ней данные находятся в открытом доступе, так что эта стратегия может использоваться большим количеством потенциальных инвесторов.

Целью данной работы является оценка эффективности использования качественной стратегии на российском фондовом рынке.

Для того, чтобы достигнуть эту цель, необходимо решить следующие задачи:

1) Провести обзор литературы по теме качественного инвестирования. При обзоре особое внимание необходимо уделять не только тем характеристикам, которые используются для определения качества, но и моделям для оценки эффективности качественной стратегии;

2) Выбрать, какие прокси характеристики определяют качество компании-эмитента;

3) Отобрать компании с российского фондового рынка, которые будут включены в финальную выборку, и собрать данные по за период 2010-2020. Необходима следующая информация: котировки, рыночная капитализация, долговая нагрузка, операционная прибыль, стоимость активов;

4) На основе отобранных критериев качества для каждого года отсортировать компании по их "качественности" и сформировать портфель с ежегодной ребалансировкой;

5) Оценить эффективность инвестиционной стратегии, построенной на основе эффекта качества при помощи статистического анализа и asset pricing тестов.

Объект данного исследования - это доходности акций российских компаний за период 2010-2020 годы.

Предметом исследования является эффект качества на российском фондовом рынке.

Данная работа состоит из трех частей. В первой части представляется обзор существующей литературы по теме инвестирования на основе качества. Во второй главе представлено описание процесса формирования выборки, а также анализ выбранной методологии исследования. В третьей главе описаны результаты исследования, после чего будут сделаны определенные выводы

Глава 1. Обзор литературы

Таблица 1: Критерии качества в существующей литературе по теме

Глава 2. Методология и данные

При составлении базы данных два важнейших параметра, на которые следует обратить внимание - это временной интервал исследования и выборка компаний, на основе которых будут строиться модели и проверяться гипотезы. Исходя из особенностей анализа и способа построения инвестиционного портфеля, к выбору временного периода необходимо было отнестись с особой осторожностью, так как для грамотного исследования важно, чтобы удовлетворялись следующие условия:

· Выбранный промежуток должен быть достаточно продолжительным для того, чтобы удостовериться в наличии постоянно присутствующей доходности, а данные были репрезентативными.

· На протяжении исследуемого периода рынок переживал как падения, так и взлеты. Идея фактора качества заключается в том, чтобы гарантировать стабильно высокую доходность во время подъемов рынка, а во время кризиса максимально защитить инвестора от потерь.

· Для построения портфеля должно быть достаточно данных о выбранных метриках (о которых будет сказано позже). То есть необходимо, чтобы компании своевременно выпускали аудированные отчетности, в которых будет полноценно раскрываться финансовая информация.

В связи с этим было решено исследовать временной отрезок в 10 лет в период с 2010 по 2020 год. Выбор 2010 года как стартового объясняется доступностью данных и необходимостью исключить мировой финансовый кризис 2008-2009 гг., когда ценообразование активов носило неэффективный характер. Анализируемый период включает разные фазы развития рынка: от падения во время валютного кризиса 2014-2015 годов до периода бурного роста 2019 года, когда индекс московской биржи бил рекорды и впервые в истории превзошел 3000 пунктов.

Более ранние периоды, хотя и включают в себя разнонаправленные движения рынка, не включались в данное исследование, так как до 2008 года качество данных не позволяет грамотно оценить фактор качества.

Для составления выборки анализируемых компаний было решено использовать индекс широкого рынка Московской Биржи. Во-первых, данный индекс включает как акции первого, так и второго эшелона. Во-вторых, включение акции в данный индекс означает, что сделку с определенной ценной бумагой точно возможно было провести, так как среди критериев формирования этого индекса есть следующее: в индекс включаются акции, у которых доля торговых дней, во время которых была совершена одна или более сделка по покупке или продаже, составляет более 70%. Также из исследования были исключены компании финансового сектора, так как их показатели зачастую очень сильно отличаются от показателей компаний других секторов. Так, например, высокий леверидж считается нормальным явлением для компаний финансового сектора.

Таким образом, за весь анализируемый период был составлен пул из 132 компаний первого и второго эшелона. Если у компании торговались и привилегированные, и обыкновенные акции, использовались только обыкновенные акции для того, чтобы соблюдать принцип диверсификации портфеля и не включать в портфель одну и ту же компанию дважды.

Для анализа поведения портфеля с помощью Bloomberg были выгружены дневные данные по цене последней сделки акций выбранных компаний. Для получения финансовых показателей использовались базы данных Bloomberg и Thomson Reuters.

Критерии формирования портфеля

Принцип формирования портфеля основывается на данных, которые доступны в финансовой отчетности компании. Дата формирования портфеля - 31 марта каждого года. Эта дата была выбрана, так как к 31 марта бульшая часть компаний российского рынка, как правило, успевает выпустить годовые финансовые отчетности. В случае, если отчетность еще не была выпущена, для формирования портфеля использовалась последняя доступная на 31 марта информация. После анализа литературы, для составления инвестиционного портфеля было решено использовать следующие величины:

· отношение операционной прибыли компании к стоимости ее активов;

· леверидж;

· ликвидность.

Следуя логике исследования, проведенного Нови-Марксом, в качестве прокси прибыльности компаний было решено использовать именно операционную, а не чистую прибыль. Чистая прибыль варьируется в зависимости от налоговой политики компании, способа амортизации, включает неоперационные расходы и доходы, поэтому для более корректного сравнения было решено использовать операционную прибыль. Для расчета этого показателя из валовой прибыли (который учитывает прибыль только от реализации продукции) вычитаются все коммерческие и управленческие расходы. Данный показатель рассчитывался по следующей формуле:

В качестве прокси для финансовой стабильности и безопасности компании было решено использовать два фактора. Первый из них - финансовый леверидж (Debt-to-Equity). Леверидж показывает отношение долга компании к ее рыночной капитализации. Данный показатель описывает, насколько сильно компания финансирует свою операционную деятельность с помощью долга. Для определения качества этот показатель важен тем, что на его основе можно отделить те компании, которые во время падения рынка будут наиболее восприимчивы к кризису. Леверидж рассчитывался по следующей формуле:

В качестве альтернативны для оценки финансовой стабильности компании было решено использовать показатель ликвидности баланса. Ликвидность, которая рассчитывается как отношение между текущими активами и текущими обязательствами компании, показывает степень покрытия долговых обязательств компании ее активами, что также очень важно для нестабильного рынка. Чем выше показатель, тем стабильнее считается компания. Ликвидность рассчитывалась следующим образом:

Затем, чтобы учесть различия между отраслями, в которых выбранные показатели могут сильно варьироваться, было решено найти медианные значения по индустриям. Критерием качества в таком случае будет выступать отклонение от медианы. Таким образом, компании были разделены на 6 индустрий:

Таблица 2: Распределение исследуемых компаний по отраслям

Для каждого обозреваемого года было найдено медианное значение каждого из трех показателей для всех индустрий. Затем для компаний находилось значение, которое показывает отклонение от медианы. Рассчитывается эта величина по следующей формуле:

Где i - индутрия, а j - год.

Таким образом, для отношения операционной прибыли к активам и для показателя ликвидности, чем сильнее отклонение вправо, тем компания качественнее, и наоборот. В случае с левериджом показателем качества является отклонение от медианы в меньшую сторону, так как чем ниже леверидж, тем меньшую долю своих операций компания инвестирует с помощью заемных средств.

Также будут исследованы портфели, составленные на основе комбинированных метрик. Таким образом, в данном исследовании будет построен портфель на основе эффекта качества, который учитывает как прибыльность компаний, так и их финансовую стабильность. Для этого будет использованы показатели отклонения от медианного значения по индустриям.

В обоих портфелях между двумя показателями будут неравные веса: как показывали предыдущие исследования (Novy-Marx, 2013),(Hsu et al., 2019), наибольшее значение при анализе качества имеет именно прибыльность компании, а не ее финансовая стабильность. В связи с этим, 2/3 веса будут присвоены прибыли (отношение операционной прибыли к активам компании), а 1/3 показателю финансовой стабильности.

В случае, когда прокси для финансовой стабильности выступает ликвидность компании, чем выше показатель отклонения от медианного значения, тем компании более финансово стабильна. Таким образом, Величина качества рассчитывается по следующей формуле:

Когда же в качестве прокси для финансовой безопасности компании используется леверидж, чем сильнее отклонение от медианы вправо, тем хуже для компании, ведь это означает, что она покрывает больше своей деятельности через долговые обязательства, чем в среднем компании по отрасли. Следовательно, тем выше ее долговая нагрузка и риск. В таком случае величина качества рассчитывается по немного иной формуле:

Таким образом, найденные величины отклонения показателя от медианного по индустрии (x) являются прокси для определения качества. Чем больше величина (в случае с D/E - меньше), тем качественнее компания, и наоборот. После нахождения всех величин компании сортируются от самых качественных к самым некачественным.

Далее необходимо отобрать количество компаний, которые будут включены в портфель. Хотя всего изучаемых компаний было 132, в среднем в каждом году торговались и предоставляли необходимые данные 100 компаний. Это происходило из-за того, что какие-то компании проходили процедуру делистинга, а другие, наоборот, только выходили на биржу. Включение всех торговавшихся компаний позволило учесть в этой работе проблему выжившего (survivorship bias). В связи с этим вся выборка была разбита на группы по 10 компаний каждая.

После этого необходимо решить, как определяется вес акции в портфеле. Как правило, веса ценных бумаг в инвестиционных портфелях формируются одним из следующих способов:

· веса акций в портфеле распределены c учетом капитализации компаний (value-weighted) (по аналогии с индексами);

· веса акций распределены равномерно в портфеле (equally-weighted).

В данной работе веса было решено распределить равномерно, так как такой вариант обеспечивает наибольшую диверсификацию по отраслям и сферам деятельности компаний.

Для анализа эффекта качества было принято решение взять основу построения самофинансируемой стратегии Фамы и Френча, когда инвестор открывает одновременно две позиции: длинную по наиболее доходным активам и короткую по наименее доходным, соответственно. Таким образом, средства от короткой продажи финансируют покупку портфеля, по которому инвестор занимает длинную позицию. Следуя данной методике, мы строим два децильных портфеля: по 10% наиболее качественным компаниям открывается длинная позиция, по 10% наименее качественным компаний открывается короткая позиция. Это позволяет тестировать сразу три стратегии: длинная позиция по портфелю из акций с наиболее качественными компаниями, короткая позиция по портфелю из акций с наименее качественными компаниями и арбитражная стратегия, которая включает одновременно две позиции: длинную по 10% наиболее качественным компаниям и короткую позицию по 10% наименее качественным компаниям.

Методика анализа доходностей портфелей

Прежде всего необходимо найти сами доходности портфелей. И если с портфелями, включающими только один тип сделок, все понятно, то расчёт доходности комбинированного портфеля может различаться. В случае с портфелями, которые включают в себя одновременно и длинные, и короткие позиции, делается предпосылка о том, что все сделки совершаются из собственных средств. Так как все ценные бумаги имеют равные веса в портфеле, доходность такого портфеля будет посчитана следующим образом:

Первым шагом анализа доходности торговой стратегии будет тестирование месячной доходности портфеля на равенство нулю. Для этого в данной работе будет использован односторонний тест Стьюдента с n-1 степенями свободы, где n - количество наблюдений (количество исследуемых месяцев в выборке, то есть 117). С помощью него будет проверяться гипотеза о равенстве выборочной средней месячной доходности нулю. Для этого тестируется следующая гипотеза:

где - выборочная среднемесячная доходность.

Для сравнения с рынком для каждого из портфелей, чья среднемесячная доходность больше нуля, будет построен коэффициент Шарпа за исследуемый период. Коэффициент Шарпа показывает отношение доходности и риска и является своеобразным показателем качества составленного портфеля. Анализ коэффициентов позволит точнее оценить эффективность стратегии инвестирования, основанной на качестве, ведь такая стратегия подразумевает под собой не только бульшую доходность, чем рыночная, но и низкий риск. Будут сравнены как коэффициенты за год, так и за весь рассматриваемый период. Коэффициент рассчитывается следующим образом:

 - доходность i-го актива;

- стандартное отклонение i-го актива;

- доходность безрискового актива.

Здесь и далее в качестве безрискового актива будут использоваться однолетние государственные облигации, данные о которых публикуются на сайте Центрального Банка Российской Федерации.

После для каждого инвестиционного портфеля, который успешно прошел тест Стьюдента, будут оценены максимальные просадки за год и за весь период инвестирования. Максимальная просадка показывает, насколько какой-либо актив максимально теряет в цене с момента достижения пиковой цены до момента, когда цена обновляет пиковое значение. Данная величина является хорошей мерой риска для сравнения между различными портфелями. Высокое значение максимальной просадки может означать высокую рискованность определенного портфеля, хотя этот показатель не является идеальным. Максимальная просадка рассчитывается по следующей формуле:

На основе значения максимальной просадки также будет рассчитан коэффициент Швагера, разработанный Джеком Швагером. Этот коэффициент также является некоторой мерой, позволяющей сравнить риск и доходность различных портфелей. Он показывает соотношение средней прибыли за определенной период и средней величины максимальной просадки за тот же период. Рассчитывается коэффициент Швагера следующим образом:

На основе полученных коэффициентов можно будет сделать вывод о том, какие портфели генерируют наибольшие доходности при наименьше уровне риска, а также смогут ли такие портфели "обыграть" рынок.

После этого будет посчитана кумулятивные доходности инвестиционных портфелей за рассматриваемый период, которые будут сравниваться между собой и с доходностью индекса Московской Биржи. Кумулятивная доходность рассчитывается следующим образом:

- доходность актива за период i

Анализ динамики кумулятивной доходности поможет в дальнейшем эконометрическом анализе, так как благодаря нему можно будет наглядно увидеть некоторую зависимость между доходностями портфелей и доходности рынка.

Методика регрессионного анализа доходностей портфелей

После того, как будут отобраны лучшие портфели по соотношению риск-доходность, на их основе будет проведен регрессионный анализ. Основные цели эконометрического анализа:

1) провести факторный анализ через разложение доходности, полученной на основе quality инвестиционной стратегии, на прокси факторы систематического риска;

2) определить, остается ли анормальная доходность или альфа после корректировки на прокси систематического риска.

Особенно интересным является второй пункт, ведь на основе него можно будет говорить не только об эффективности инвестиционной стратегии, но и об уровне эффективности рынка.

В первую очередь, в качестве прокси систематического риска будет использован рыночный портфель через равновесную модель САРМ. Будут оценены параметры б и в через построение TS регрессии, где в качестве зависимой переменной будут выступать избыточные доходности портфелей, а в качестве регрессора выступает избыточная доходность рынка. Несмотря на тот факт, что модель САРМ насчитывает более 50 лет, она остается ключевым инструментом для оценки ожидаемых доходностей многими инвесторами. Модель САРМ выглядит следующим образом:

- доходность рыночного портфеля

Используя безрисковую доходность и доходность рыночного портфеля можно оценить рыночную премию за риск. Она рассчитывается как разница между доходностью рынка и безрискового актива в момент времени t. В качестве рыночного индекса будет использован индекс Московской Биржи, данные о котором взяты с сайта Московской Биржи¹ https://www.moex.com/ru/index/IMOEX/archive/#/from=2008-01-01&till=2020-04-01&sort=TRADEDATE&order=asc. В качестве безрискового актива, как уже упоминалось ранее, используются однолетние ОФЗ.

При анализе будет уделяться внимание двум факторам: в и б. Первый показывает влияние доходности рынка на доходность портфеля, тогда как второй, наиболее интересный, и есть признак аномальной доходности. Статистически значимый показатель б может указывать на то, что модель САРМ не справляется со своей задачей объяснения ожидаемых доходностей и есть портфель с более высоким коэффициентом Шарпа. Если рациональные теории и микроструктурные модели не могут объяснить избыточную доходность, которую систематически получает инвестор, то речь идет о выявлении фондовой аномалии.

Однако при всех преимуществах модели CAPM полагаться только на нее не стоит, так как она не учитывает многих факторов. Природа риска однофакторна в модели САРМ. Эмпирически была доказана работоспособность модели в периоде до 1965 года, после чего многие исследователи приходили к выводу, что связь между риском и доходность too flat или слишком плоское (Fama & French, 1992). Так что для дальнейшего анализа, как и в некоторых предыдущих работах по данной теме, будет использоваться трехфакторная модель Юджина Фамы и Кеннета Френча, которая считается общепринятой моделью на сегодняшний день, демонстрируящая лучшие результаты тестирования по сравнению с моделью САРМ. Трехфакторная модель выглядит она следующим образом:

- фактор размера, основанный на капитализации компании. Этот фактор показывает, насколько доходность маленьких компаний превышает доходность наиболее крупных игроков на фондовом рынке. Данный показатель не будет рассчитываться вручную, а будет взят с сайта Института Прикладных Экономических Исследований РАНХиГС https://ipei.ranepa.ru/ru/capm-ru/metodika-rascheta-faktorov. Значения этого фактора для российского рынка ежемесячно обновляются и рассчитывается по следующей методике: значение фактора равняется разнице средневзвешенных доходностей акций с высокой и низкой капитализацией. Для разделения компаний на малые и крупные используется медианная капитализация, при этом в каждом портфеле вес определенной ценной бумаги не может составлять более 30%.

- фактор стоимости. Он описывается разницей между доходностью между компаниями с высоким и низким показателем Book-to-Market (отношение балансовой стоимости компании к ее рыночной капитализации), то есть между акциями роста и стоимости. Значение фактора также было взято с сайта РАНХиГС, где он рассчитывался по следующей методологии. Пул акций разбивается на две категории: акции стоимости, где показатель Book-to-Market выше 70%-ой квантили, и акции роста, где этот показатель ниже 30%-ой квантили. Также, как и при расчете фактора стоимости, используется ограничение по весам акций внутри портфеля.

Фактор RMRF, также как и в модели CAPM, рассчитывается самостоятельно и по аналогичной методологии. По своей сути, трехфакторная модель Фама-Френча является расширенной моделью CAPM, поэтому результаты не должны сильно отличаться. Однако в случае, если модель CAPM выявит аномальную доходность, трехфакторная модель Фама-Френча позволит глубже изучить эффективность рынка.

Глава 3. Анализ результатов

Анализ доходности портфелей