Сравнение методов отбора паевых инвестиционных фондов

Константа (cons)

-0,02714*

0,4884 *

(0,015)

(0,115)

Лямбда (lambda)

0,0027***

0,04556

(0,002)

(0,035)

Wald chi2

27,60

27,28

Number of observations

143

143

note: * p<0,05; ** p<0,1; *** p<0,15

1.4 Эмпирические результаты

В результате данного исследования были получены две эконометрические модели для зависимых переменных альфы Дженсена и беты портфеля, которые позволили оценить влияние различных личностных характеристик управляющего на результаты его деятельности и принимаемый уровень риска.

Согласно полученным результатам, техническое и экономическое образование управляющего действительно оказывают положительное статистически значимое влияние на доходность на уровне 5%, в то время как само качество образования, выраженное через присвоенный национальным рейтингом университетов балл, оказалось незначимым. В свою очередь, параметр «московское образование» оказывает положительное значимое влияние на 10% уровне значимости. Зарубежные сертификаты, которые отражают дополнительное образование, имеют значимый на 10% уровне отрицательный эффект. Еще одним рассмотренным фактором был опыт работы в сфере, который, как показала модель, имеет нелинейное воздействие на зависимую переменную. Опыт работы на зарубежных биржах оказывает отрицательное значимое влияние на 5% уровне значимости. Административная должность положительно влияет на зависимую переменную на 15% уровне значимости. Количество фондов под управлением имеет отрицательное статистически значимое влияние на 10% уровне значимости.

Таким образом, предположения о том, что более качественное образование дает преимущество не подтвердилось. Несмотря на то, что как экономическое, так и техническое образование имеют положительное влияние на зависимую переменную, первое оказывает больший эффект, поскольку значение коэффициента (0,00450) превышает значение коэффициента при техническом образовании (0,00381). Таким образом, знание экономики помогает интерпретировать происходящие на рынке ситуации и создать прогнозы о будущих событиях, тем самым помогает снизить риск и вероятность провала с инвестициями. Что касается города, в котором управляющие получали образование, факт того, что образование получено в Москве действительно оказывает положительное значимое влияние, поэтому менеджеры, получившие образование в Москве, имеют показатель доходности на 0,003 больше, по сравнению с коллегами. Это может быть объяснено тем, что московским выпускникам легче получить работу в московских фондах, большая часть которых являются крупными и высокодоходными. Подводя итоги результатам, относящимся к образованию управляющих, исследование показало, что для наиболее удачного распоряжения портфелями обучаться необходимо в первую очередь именно на экономическом факультете. Городом, в котором рекомендуется получать образование, является Москва. Управляющие, обладающие этими характеристиками в резюме, достигают наивысших результатов в своей деятельности, однако, несмотря на это, получение технического образования также поможет увеличить сверхдоходность.

Неожиданным результатом регрессионной модели оказалось отрицательное статистически значимое влияние зарубежных сертификатов на доходность. Согласно итогам анализа, управляющий, получивший CFA или MBA показывает доходность на 0,0028 ниже. Несмотря на то, что данные сертификаты считаются престижными, их получение вовсе не является гарантией успеха, а даже наоборот препятствует достижению высоких результатов. Возможно, зарубежные сертификаты не дают преимущество именно на российской бирже, таким образом, полученная квалификация и знания заточены под управленческую деятельность лишь на зарубежных биржах. Аналогичный результат получился относительно опыта работы на заграницей. Согласно результатам, данный фактор оказывает отрицательное влияние на зависимую переменную. Таким образом, можно сделать вывод, что знания принципов работы зарубежных бирж, как теоретическое, так и практическое, мешает управляющим в работе на российском рынке. Вероятно, это связано с тем, что принцип работы развивающегося российского рынка ПИФов отличается от развитых зарубежных рынков, и используемые заграницей стратегии не подходят.

Немаловажным фактором, влияющим на доходность, является опыт работы управляющего. Хотя коэффициент при опыте оказался незначим, тест на совместную значимость переменных «опыт в сфере» и «опыт в сфере^2» показал, что она имеется. Таким образом, данный параметр имеет нелинейное воздействие на альфу Дженсена, согласно которому, сверхдоходность управляемого портфеля растет с каждым годом работы менеджера в сфере вплоть до 8,5 лет (8,46), после чего начинает падать. Таким образом, управляющий с опытом работы 8,5 лет принесет сверхдоходность на 0,0031 выше коллеги без опыта.

Положительное значимое влияние административной должности на зависимую переменную вполне объясняется тем, что на административную должность назначаются менеджеры со стабильно высокими показателями, которые, будучи профессионалами своего дела, продолжают вести грамотное распоряжение инвестициями, не снижая эффективности своей работы при повышении должности.

Еще одним рассмотренным параметром было количество фондов, находящихся под управлением менеджера, которое оказывает отрицательное влияние на зависимую переменную. Данный результат доказывает то, что чем большим количеством фондов пытается распоряжаться управляющий, тем сложнее ему грамотно инвестировать активы, особенно если применяются разные инвестиционные стратегии, а также сложнее следить за всеми происходящими изменениями. В итоге конечные результаты его деятельности оказываются ниже конкурентов с меньшим количеством доверенных в управление фондов.

Результаты аналогичной модели, построенной с помощью тех же параметров для зависимой переменной беты портфеля имеют схожие итоги. В таблице с результатами оценки (Таблица 4) представлены рассчитанные коэффициенты, согласно которым можно сделать выводы о том, что экономическое и техническое образование полученное в Москве имеют положительный эффект на бету также как и опыт работы до 9 лет (8,78) с административной должностью, а опыт работы на зарубежных биржах имеет отрицательное влияние, в то время как зарубежные сертификаты и количество фондов под управлением вовсе не сказываются на степени принимаемого риска.

В случае регрессии, где зависимой переменной была альфа Дженсена, процедура Хекмана показала, что решение управляющих о раскрытии личной информации на 15% уровне значимости не является случайным. Несмотря на то, что оно все же не зависит от предыдущих значений доходности, более крупные фонды действительно имеют тенденцию публиковать данные о своих менеджерах. К сожалению, такой результат не был получен в модели, построенной для беты портфеля. Однако, значение вероятности лямбды Хекмана (0,186) оказалось близко аналогичному значению в модели с альфой (0,137), поэтому решение о публикации все же может быть неслучайным.

2. Построение портфелей

В предыдущей части мы провели анализ влияния личных характеристик управляющих на результаты деятельности ПИФов, который подтверждает их воздействие на доходность фондов и бету портфеля. Однако, на сегодняшний день довольно большое количество инвесторов при выборе фондов используют значения прошлых показателей, а именно альфу Дженсена. Поэтому важно проанализировать, какой стратегии лучше придерживаться инвесторам: опираться на прошлые результаты ПИФов или же учитывать характеристики их управляющих. Таким образом необходимо сравнить, какую доходность принесут лучшие, с точки зрения прошлых значений альфы Дженсена, фонды, и какую доходность покажут управляющие, обладающие теми характеристиками, влияние которых было выявлено в предыдущей части исследования.

Поскольку результаты регрессионного анализа различных характеристик управляющих показали, что экономическое образование, техническое образование, московское образование и административная должность имеют положительное влияние на альфу Дженсена, составим портфели, в которые войдут фонды, чьи управляющие обладают этими характеристиками. Также составим портфель из ПИФов, чьи управляющие не имеют зарубежных сертификатов, и портфель из фондов, менеджеры которых не работали на зарубежных биржах, поскольку данные факторы имеют отрицательное влияние на доходность. Еще одним негативным фактором является количество ПИФов под управлением, согласно которому чем большим количеством фондов управляет менеджер, тем ниже результат. Однако, управляющие не могут иметь в распоряжении менее одного ПИФа, поэтому самый лучший с точки зрения доходности вариант - иметь только один фонд в управлении. Таким образом, еще один портфель будет составлен из фондов, которые являются единственными в распоряжении их управляющих. Последний портфель будет составлен из ПИФов, управляющие которых имеют опыт работы в сфере до 16 лет включительно, поскольку больший срок оказывает отрицательное влияние на доходность. В итоге, для проведения сравнительного анализа будет получено 8 портфелей, средняя доходность которых будет сравниваться со средней доходностью фондов, прошлые результаты которых являются самыми высокими с точки зрения сверхдоходности. Поскольку портфели, составленные на основании характеристик управляющих будут иметь разное количество фондов, для более корректного сравнения в портфели, составленные на основании прошлых значений, будет входить аналогичное количество ПИФов.

Исследование, касающееся характеристик управляющих проводилось на данных, собранных на конец 2013 года. Также имеется информация о значении альфы Дженсена за 2013 год для всех фондов акций. Поэтому, на основании полученных данных мы можем строить предположения относительно 2014 года, однако, поскольку на момент данного исследования этот год уже прошел, есть возможность сравнить эффективность методик на практике. Таким образом, для всех портфелей будет посчитано средние значения альфы Дженсена, представляющее собой ожидаемую сверхдоходность портфеля, чтобы провести анализ и сделать вывод о том, какой из способов отбора ПИФов принес большую доходность.

Ниже приведена таблица, в которой представлены расчеты средних значений альфы Дженсена за 2014 год, то есть инвестор, выбравший фонды на основании какой-либо характеристики, на практике получил бы доходность соответствующего портфеля, представленную в первом столбце, либо, при отборе аналогичного количества фондов согласно высоким значениям альфы в прошлом периоде (2013 году) его доходность равнялась бы значению, представленному во втором столбце.

Таблица 5

Средние значения альфы Дженсена портфелей

Параметр	Ожидаемая доходность портфеля, составленного согласно характеристике	Ожидаемая доходность портфеля, составленного согласно прошлой Альфе
Техническое образование	-0,0001492	0,0000885
Экономическое образование	-0,0000714	-0,0000393
Московское образование	-0,0001737	0,0000171
Сертификаты	-0,0000039	-0,0000444
Опыт	-0,0000289	-0,0000559
Опыт на зарубежных биржах	0,0002453	0,0005332
Административная должность	-0,0001697	0,0000885
Кол-во фондов в управлении	-0,0001096	-0,0000129

В большинстве случаев, портфель, составленный на основании прошлых результатов, превзошел по альфе Дженсена портфели, сформированные по характеристикам управляющих. Что касается наличия зарубежных сертификатов, управляющие, не имеющие CFA или MBA, показали большую доходность. Портфель, составленный на основании опыта управляющих, так же превзошел по доходности фонды, показавшие в прошлом году высокие результаты. В него вошли те фонды, чьи управляющие имеют опыт работы в сфере до 16 лет включительно, поскольку, согласно полученным результатам регрессии, более длительный срок негативно сказывается на доходности. Однако, в целом можно сделать вывод о том, что метод отбора ПИФов на основании прошлых результатов оказался более эффективным по сравнению со способом составления портфелей согласно личным характеристикам управляющих, поэтому выбирая из предложенных стратегий вкладчикам лучше руководствоваться первой.

Вполне вероятно, что по-отдельности каждая характеристика не дает сильного преимущества, которое смогло бы превзойти довольно устойчивые во времени показатели альфы Дженсена, однако совокупность характеристик должна иметь большее влияние на получаемую доходность. Чтобы проверить, позволит ли управляющему сочетание нескольких качеств превзойти самые высокодоходные фонды, в данном исследовании был рассмотрен один из возможных вариантов набора характеристик и проведено сравнение доходностей.

Основываясь на полученных результатах проанализируем управляющих, чтобы выявить кандидата, которому вкладчик, согласно исследованию, доверит свои денежные средства. Коэффициенты уравнения показывают, что самым нежелательным является опыт работы на зарубежных биржах. Кроме того, наибольшие доходности будет приносить управляющий с экономическим образованием, полученным в Москве. Несмотря на то, что техническое образование оказывает довольно существенное влияние на доходность, очень малая доля управляющих получили оба высших образования, а среди тех кто ими обладает, большинство имеют длительный опыт, который ведет к снижению альфы Дженсена. Еще одним немаловажным фактором является отсутствие сертификатов, поскольку они так же, как и опыт работы на зарубежных биржах, оказывают отрицательное влияние. Так как исследование показало, что опыт имеет нелинейное влияние, и что большую доходность приносят менеджеры с опытом 8,5 лет, который увеличивает сверхдоходность на 0,003, а влияние остальных значимых параметров меньше, для анализа среди оставшихся был выбран управляющий, проработавший в сфере 8 лет. Стоит отметить, что получившийся выбор является лишь одним из возможных вариантов отбора, и что при сочетании характеристик иным способом дальнейшие результаты могут быть иными.

В ходе вышеописанного анализа управляющих был выбран менеджер, в чьем управлении по данным на декабрь 2013 года находилось 5 фондов акций, а именно: УРАЛСИБ Инфраструктура и Связь (сегодня - УРАЛСИБ Телекоммуникации и ИТ), УРАЛСИБ Энергетическая перспектива, УРАЛСИБ Металлы России (сегодня - УРАЛСИБ Металлургия и Добыча), УРАЛСИБ Финансовый сектор и УРАЛСИБ Нефть и Газ. Рассчитаем сверхдоходность этих фондов за 2014 год. Расчет альфы Дженсена проводится с помощью регрессии на основании дневных данных о доходности фонда, а также с использованием дневных данных о рыночной и безрисковой ставках по формуле, представленной в 1 части. (Формула 2) Ниже приведена таблица и итоговыми результатами:

Таблица 6

Альфа Дженсена для фондов, управляемых лучшим менеджером

Название фонда	Альфа Дженсена за 2014 год
УРАЛСИБ Инфраструктура и Связь	0,000449
УРАЛСИБ Энергетическая перспектива	-0,00054
УРАЛСИБ Металлы России	0,000797
УРАЛСИБ Финансовый сектор	0,000247
УРАЛСИБ Нефть и Газ	-0,00087

Представленная в таблице альфа Дженсена превышает значения по предыдущему (2013) году. Это может быть объяснено тем, что в 2014 году управляющий достиг опыта, который дает максимальное увеличение доходности фонда. Однако, разница в альфе превысила значение прироста, который дает дополнительный год опыта, что говорит о влиянии других, нерассмотренных в данном исследовании факторов. Ниже представлена таблица, позволяющая сравнить значения сверхдоходностей за 2013 и 2014 года.

Таблица 7

Сравнение альфы Дженсена для фондов, управляемых лучшим менеджером

Название фонда	Альфа за 2014 год	Альфа за 2013 год
УРАЛСИБ Инфраструктура и Связь	0,000449	-0,02011
УРАЛСИБ Энергетическая перспектива	-0,00054	-0,01392
УРАЛСИБ Металлы России	0,000797	-0,01128
УРАЛСИБ Финансовый сектор	0,000247	-0,01932
УРАЛСИБ Нефть и Газ	-0,00087	-0,01915

Полученные значения мы будем сравнивать с доходностью лучших фондов, согласно альфе Дженсена за 2013 год. Среди таких фондов оказались следующие: Регион - Фонд Акций, РГС - Металлургия, РИКОМ - Акции, РГС - Электроэнергетика, Райффайзен -Акции. Рассчитанные для них значения альфы на 2014 год приведено в таблице ниже:

Таблица 8

Альфа Дженсена для фондов с лучшей предыдущей доходностью

Название фонда	Альфа Дженсена за 2014 год
Регион - Фонд Акций	0,000037
РГС - Металлургия	0,001371
РИКОМ - Акции	-0,00020
РГС - Электроэнергетика	-0,00118
Райффайзен -Акции	-0,00058

Если сравнить данные значения с результатами предыдущего года получим следующее:

Таблица 9

Сравнение Альфы Дженсена для фондов с лучшей предыдущей доходностью

Название фонда	Альфа Дженсена за 2014 год	Альфа за 2013 год
Регион - Фонд Акций	0,000037	-0,00944
РГС - Металлургия	0,001371	-0,01008
РИКОМ - Акции	-0,00020	-0,01033
РГС - Электроэнергетика	-0,00118	-0,01054
Райффайзен -Акции	-0,00058	-0,01098

Подведем итоги сравнению результатов сверхдоходности. Поскольку на основании данных об управляющих было выбрано 5 фондов для инвестирования, и столько же фондов для сравнения было выбрано на основе прошлой альфы, составим два портфеля и проанализируем их показатели.

Для каждого портфеля рассчитаем среднее значение альфы Дженсена. В таблице приведены результаты коэффициента за 2014 год для портфеля 1, в который вошли фонды, находящиеся под управлением лучшего с точки зрения характеристик менеджера, и для портфеля 2, в который вошли фонды с наибольшей доходностью прошлого периода.

Таблица 10

Альфа Дженсена портфелей

Портфель	Альфа Дженсена
Портфель 1	0,000015617
Портфель 2	-0,00011198

Для оценки таланта менеджера по отбору акций были созданы различные показатели эффективности управления портфелем, скорректированные на риск для исключения возможного искажения информации. Поэтому еще одним показателем, который и использовался в этой работе для отражения доходности фондов, является коэффициент Шарпа (the Sharpe ratio). Он позволяет измерить сверхприбыль, заработанную на единицу риска. Таким образом, основной целью вычисления данного коэффициента является определение эффективности вложения денежных средств для определенного уровня риска. Вычисляется коэффициент Шарпа по следующей формуле:

где: - средний доход i-того фонда за рассмотренный временной интервал;

- средняя безрисковая процентная ставка за рассмотренный временной интервал;

- стандартное отклонение прибыли i-того фонда за рассмотренный временной интервал.

Этот коэффициент является мерой вознаграждения за единицу риска «reward per unit of risk» (Sharpe, 1966). Чем выше значение коэффициента, тем менее рискованным окажется вложение, если рассматривать предложения фондов с одинаковой ожидаемой прибылью.

Полученные значения данного коэффициента приведены в Таблице 10. Аналогично полученным результатам по коэффициенту альфа Дженсена, среднее значение коэффициента Шарпа для первого портфеля больше, чем для второго. Это свидетельствует о том, что фонды, вошедшие в первый портфель принесли в 2014 году большую доходность, по сравнению со вторым набором ПИФов.

Еще одним интересным для сравнения результатов показателем является доходность фондов. В Таблице 11 рассчитаны значения средней дневной доходности.

Таблица 11

Значения коэффициент Шарпа

Портфель	Название фонда	Коэффициент Шарпа	Среднее значение по портфелю
Портфель 1	УРАЛСИБ Инфраструктура и Связь	0,021541	-0,00807
	УРАЛСИБ Энергетическая перспектива	-0,04693
	УРАЛСИБ Металлы России	0,051609
	УРАЛСИБ Финансовый сектор	0,008725
	УРАЛСИБ Нефть и Газ	-0,07532
Портфель 2	Регион - Фонд Акций	-0,01332	-0,02006
	РГС - Металлургия	0,092154
	РИКОМ - Акции	-0,03147
	РГС - Электроэнергетика	-0,09473
	Райффайзен -Акции	-0,05293

Таблица 12

Дневная доходность

Портфель	Название фонда	Дневная доходность	Среднее значение по портфелю
Портфель 1	УРАЛСИБ Инфраструктура и Связь	0,000564	0,000086
	УРАЛСИБ Энергетическая перспектива	-0,0005
	УРАЛСИБ Металлы России	0,000333
	УРАЛСИБ Финансовый сектор	0,000333
	УРАЛСИБ Нефть и Газ	-0,0008
Портфель 2	Регион - Фонд Акций	0,000075	-0,000091
	РГС - Металлургия	0,001425
	РИКОМ - Акции	-0,0002
	РГС - Электроэнергетика	-0,00118
	Райффайзен -Акции	-0,00058

Как и для значении альфы, первый портфель показал положительную среднюю дневную доходность, а второй - отрицательную.

Построим графики доходности нарастающим итогом для обоих портфелей и проследим динамику их изменений.



Рис. 1. График доходности портфеля 1

Рис. 2. График доходности портфеля 2

По графикам видно, что первый портфель за год увеличил доходность и закончил год с положительным результатом, а второй портфель, напротив, принес меньшую доходность по сравнению со значениями прошлого года и к концу рассматриваемого периода ушел в минус.

Заключение

отбор паевой инвестиционный фонд

В данной работе представлен анализ, направленный на изучение двух методов отбора паевых инвестиционных фондов: на основе личных характеристик управляющих и исторических показателей доходности фондов. Это исследование является продолжением проведенного в статье Найденовой и соавторов (Naidenova et al., 2015) анализа, посвященного изучению влияния разных личностных качеств управляющих российскими фондами на результаты их деятельности, выраженные через альфу Дженсена, и на степень принимаемого риска. Однако, авторы не рассматривали вопрос сравнения эффективности систем отбора фондов для инвестирования, хотя и предположили, что характеристики менеджеров могут давать более надежную информацию при выборе ПИФа. Поэтому, в данной работе было рассмотрено влияние ряда новых характеристик, а также проведено сравнение доходностей. Поскольку вышеупомянутая статья представляет первое для российского рынка исследование такого рода, данная работа также является единственной на сегодняшний день, анализирующей практическое применение полученных авторами результатов и дающей рекомендации для российских инвесторов.

В этом исследовании были построены две регрессионные модели, позволяющие проследить, какие факторы могут влиять на доходность ПИФов и на степень принимаемого управляющими риска. Согласно результатам модели, в которой в качестве зависимой переменной выступила альфа Дженсена, большую доходность приносят управляющие с экономическим образованием, полученным в Москве, которые не имеют опыта работы на зарубежных биржах и не обладают сертификатами CFA или MBA. Положительное влияние на доходность также оказывают техническое образование и административная должность. Опыт работы в сфере имеет нелинейное влияние, согласно которому с максимальное положительное влияние на доходность достигается в 8,5 лет. Негативно на доходность влияет количество фондов.

На основании полученных результатов было построено восемь портфелей. В них вошли фонды, находящиеся под управлением менеджеров, которые обладают той или иной характеристикой. Полученные сверхдоходности этих портфелей, выраженные через альфу Дженсена, были сравнены с аналогичными показателями по фондам, показавшим высокие результаты в прошлом периоде. Несмотря на то, что ПИФы, которыми распоряжаются управляющие, не имеющие зарубежные сертификаты в одном случае, и обладающие опытом работы до 16 лет в другом, превзошли по доходности фонды с высокой альфой в прошлом году, все остальные рассмотренные в работе характеристики по отдельности не дали аналогичного результата. Однако, одновременное сочетание нескольких качеств в одном управляющем, предложенное как один из возможных вариантов комбинаций характеристик, позволило своему обладателю не только получить сверхдоходность, но и обойти по результатам портфель из 5 лучших, согласно предыдущей альфе Дженсена, фондов.

В ходе проведения исследования по данной теме, возникли некоторые проблемы в оценке показателей. Поэтому было введено несколько ограничений. Они выступают в качестве неких предпосылок, позволяющих упростить модель и сделать вывод о взаимосвязи личных качеств управляющего компанией с результатами его деятельности, выраженными в показателях паевых инвестиционных фондов.

1) По причине дифференцированности издержек инвестирования (или погашения) в ПИФы, могут различаться данные о полученной прибыли вкладчиков. Поэтому принимается предпосылка о равенстве издержек всех инвестиционных фондов и, вследствие этого, в следующих частях работы при расчетах они не будут учитываться;

2) В исследовании рассматриваются только фонды акций;

3) Неполнота информации по отдельным управляющим. На сайте представлены не все необходимые для исследования данные. Так же представлены не все руководители, в связи с чем, исследуется только часть управляющих, что приводит к увеличению погрешностей в полученных результатах;

4) Не учитываются внешние факторы (такие, как государственное регулирование и другие);

5) Показатели доходности ПИФов рассматриваются только в период 2012-2014 года;

6) В качестве безрисковой ставки используются данные по ГКО - ОФЗ с долгосрочной %;

7) В качестве показателя рыночной доходности используется индекс ММВБ;

8) В качестве показателя эффективности деятельности управляющего используется только альфа Дженсена;

9) Возможное наличие проблемы эндогенности. В модели возможна ситуация, что не только независимые переменные влияют на зависимую, но и наоборот. Например, с увеличением показателя эффективности деятельности управляющего количество фондов под его управлением может увеличится, а также ему могут предложить административную должность.

В дальнейших исследованиях будет полезно рассмотреть, насколько устойчивыми являются полученные в этом исследовании результаты. Поскольку ПИФы работающие на рынке постоянно меняются и меняются их управляющие, а показатели опыта менеджеров и некоторых других параметров, таких как сертификаты, постоянно находятся в динамике, будет полезно проследить изменение показываемых менеджерами результатов доходности. Кроме того, способ отбора ПИФов по личным характеристикам управляющих можно будет аналогичным образом сравнить с другими методами выбора фондов.

Список литературы

1. Гаспарян, К. Л. (2008). Паевые инвестиционные фонды как институт коллективного инвестирования в Российской Федерации. Диссертация канд. эконом. наук: 08.00. 10.

2. Жданова, О. А. (2011). Преимущества и недостатки паевых инвестиционных фондов. Проблемы экономики, 1, рр.65-67.

3. Полтева, Т. В., Боувер, А. А. (2015). Проблемы развития российского рынка паевых инвестиционных фондов. Экономика, управление, финансы: материалы IV междунар. науч. конф., 1, с.88-91.

4. Chevalier, J. and Ellison, G. (1999). Are Some Mutual Fund Managers Better Than Others? Cross-Sectional Patterns in Behavior and Performance. The Journal of Finance, 54(3), pp.875-899.

5. Dechev, I. (1999). How good are business school rankings? Journal of Business, 72 (2), рр.201- 213.

6. Enquist, J. and Shoven, J. (2006). Change in Risk of Mutual Fund Managers Portfolios Caused by Behavioral Biases from Previous Performance. Doctoral dissertation, Honors Thesis. Department of Economics, Stanford University.

7. Fama, E. (1998). Market Efficiency, Long-Term Returns, and Behavioral Finance. The Journal of Financial economic, 49(3), pp.283-306.

8. Farrar, D.E., Glauber, R.R. (1967). Multicollinearity in regression analysis: the problem revisited. Review of Economics and Statistics, 49, рр.92-107.

9. Golec, J. (1996). The effects of mutual fund managers' characteristics on their portfolio performance, risk and fees. Financial Services Review, 5(2), pp.133-147.

10. Gottesman, A. and Morey, M. (2006). Manager education and mutual fund performance. Journal of Empirical Finance, 13(2), pp.145-182.

11. Grinblatt, M. and Titman, S. (1989). Mutual Fund Performance: An Analysis of Quarterly Portfolio Holdings. The Journal of Business, 62(3), p.393.

12. Grinblatt, M. and Titman, S. (1992). The Persistence of Mutual Fund Performance. The Journal of Finance, 47(5), pp.1977-1984.

13. Gruber, M. (1996). Another Puzzle: The Growth in Actively Managed Mutual Funds. The Journal of Finance, 51(3), pp.783-810.

14. Hendricks, D., Patel, J. and Zeckhauser, R. (1990). Hot Hands in Mutual Funds: The Persistence of Performance, 1974-1987. National Bureau of Economic Research, w3389.

15. Hu, J. and Chang, T. (2008). Decomposition of mutual fund underperformance. Applied Financial Economics Letters, 4(5), pp.363-367.

16. Hu, S., Malevergne, Y. and Sornette, D. (2006). Investors' Misperception: A Hidden Source of High Markups in the Mutual Fund Industry. SSRN Electronic Journal.

17. Jensen, M. (1968). The Performance of Mutual Funds in the Period 1945-1964. The Journal of Finance, 23(2), p.389.

18. Karagiannidis, I. (2012). The effect of management team characteristics on risk-taking and style extremity of mutual fund portfolios. Review of Financial Economics, 21(3), pp.153-158.

19. Kosowski, R., Timmermann, A., Wermers, R. and White, H. (2006). Can Mutual Fund “Stars” Really Pick Stocks? New Evidence from a Bootstrap Analysis. The Journal of Finance, 61(6), pp.2551-2595.

20. Li, H., Zhang, X. and Zhao, R. (2011). Investing in Talents: Manager Characteristics and Hedge Fund Performances. Journal of Financial and Quantitative Analysis, 46(01), pp.59-82.

21. Mamaysky, H., Spiegel, M. and Zhang, H. (2007). Estimating the Dynamics of Mutual Fund Alphas and Betas. Rev. Financ. Stud., 21(1), pp.233-264.

22. Naidenova, I., Parshakov, P., Zavertiaeva, M. and Tomй, E. (2015). Look for people, not for alpha: mutual funds success and managers intellectual capital. Measuring Business Excellence, 19(4), pp.57-71.

23. Ritter, J. (2003). Differences between European and American IPO Markets. European Financial Management, 9(4), pp.421-434.

24. Shiller, R. (2002). Bubbles, Human Judgment, and Expert Opinion. Financial Analysts Journal, 58(3), pp.18-26.

25. Switzer, L. and Huang, Y. (2007). How does human capital affect the performance of small and mid?cap mutual funds?. Jnl of Intellectual Capital, 8(4), pp.666-681.

Размещено на Allbest.ru

...