Стратегии хеджирования портфеля акций компаний биотехнологического сектора

На графике ниже представлены доверительные интервалы для единицы вложенного в портфель капитала по обеим альтернативам. Сплошной линией обозначен капитал по наилучшей на обучающей выборке стратегии, а пунктиром - капитал по альтернативному варианту (использование опционов пут для хеджирования).

Рисунок 9. Сравнение динамики вложенного капитала по альтернативам

Заметно, что пессимистический и средний прогнозы по оптимальной стратегии показывают заметно лучшие значения по сравнению с альтернативой. Оптимистические прогнозы также отличны друг от друга, но не столь значимо.

При вложении средств в оптимальный портфель ожидается, что инвестор получит 10,67% прирост за два года. При инвестировании в альтернативный портфель средний прогноз составляет 6,3% за два года. Также важно, что с вероятностью 95% инвестор не потеряет более 14,67% капитала при инвестировании в оптимальный портфель, тогда как альтернативный вариант ограничивает убытки на уровне 19,7% при заданной вероятности.

Приведенный выше анализ позволяет сделать вывод о том, что оптимизированная на обучающей выборке система из индикаторов технического анализа в совокупности с оптимальной на этой же выборке опционной стратегией способна демонстрировать результаты лучшие, чем хеджирование при помощи классической стратегии: покупкой опционов пут. Нужно помнить, что полученные результаты, скорее всего, являются недооцененными, так как эффективность использования опционов намеренно занижалась. Но даже при таких условиях результат можно считать положительным.

ЗАКЛЮЧЕНИЕ

В ходе работы была проанализирована эффективность хеджирования фьючерсами и опционами индекса компаний биотехнологического сектора США, где моменты начала и окончания хеджирования определяются условиями, основанными на сигналах индикаторов технического анализа.

Хеджирование при помощи опционов показало результаты заметно лучшие, чем применение фьючерсов для сохранения капитала инвестора от потерь. На обучающей выборке был получен более высокий коэффициент Шарпа, а на тестовой выборке доходность оптимального портфеля оказалась положительной, в отличие от портфеля с фьючерсами. Также на обучающей выборке заметен сдвиг кривой рынка капитала (см. рисунки 5-6) как для фьючерсов, так и для опционов. К сожалению, такой же результат не был получен на тестовой выборке, что свидетельствовало бы о возможности создания комбинации активов, более эффективной, чем стратегия «купи и держи», что являлось бы основанием для критики рыночной эффективности.

Тест на генеральной совокупности также не дал явных результатов для кейсов, входящих в тестовую выборку: нельзя с уверенностью утверждать, что модель переключения режимов является моделью, которая может описывать процесс, объясняющий поведение реальных данных. Поэтому рыночную эффективность отвергнуть на тестовой выборке не удалось, однако, результаты для кейсов из обучающей выборки являются более интересными.

Наконец, построены доверительные интервалы для капитала, инвестированного в оптимальный на обучающей выборке портфель, включающий индекс и опционную стратегию, а также в распространенный альтернативный вариант - покупку опционов пут для хеджирования. Результаты свидетельствуют о том, что оптимальный портфель показал лучший результат.

Исследования в данной сфере могут продолжаться. Результаты могут быть улучшены путем увеличения выборки рассматриваемых кейсов, создания более эффективных систем из индикаторов и более точной модели для создания вмененной волатильности, а также путем реализации подхода, где капитал будет более эффективно распределяться между активами (расширенный учет стоимости опционов и ее влияния на построение стратегий). Но уже на данном этапе основная цель является достигнутой, и результаты исследования можно считать положительными.

СПИСОК ЛИТЕРАТУРЫ

1. Ahn, D. H., Boudoukh, J., Richardson, M., & Whitelaw, R. F. (1999). Optimal risk management using options. The Journal of Finance, 54(1), 359-375.

2. Bachelier, L. (1900). Thйorie de la spйculation. Annales Scientifiques de l'Йcole Normale Supйrieure, 3(17), 21-86.

3. Bai, Y., Pan, Z., & Liu, L. (2018). Improving futures hedging performance using option information: Evidence from the S&P 500 index. Finance Research Letters.

4. Black, F., & Scholes, M. (1973). The pricing of options and corporate liabilities. Journal of political economy, 81(3), 637-654.

5. Brock, W., Lakonishok, J., & LeBaron, B. (1992). Simple technical trading rules and the stochastic properties of stock returns. The Journal of finance, 47(5), 1731-1764.

6. Cai, J. (1994). A Markov model of switching-regime ARCH. Journal of Business & Economic Statistics, 12(3), 309-316.

7. Chaudhuri, K., & Wu, Y. (2003). Random walk versus breaking trend in stock prices: Evidence from emerging markets. Journal of Banking & Finance, 27(4), 575-592.

8. De Salles, A. A. (2013). An investigation of some hedging strategies for crude oil market. International Journal of Energy Economics and Policy, 3(1), 51.

9. Engel, C. (1994). Can the Markov switching model forecast exchange rates?. Journal of International Economics, 36(1-2), 151-165.

10. Fama, E. F. (1965). The behavior of stock-market prices. The journal of Business, 38(1), 34-105.

11. Fama, E. F. (1970). Efficient capital markets: A review of theory and empirical work. The journal of Finance, 25(2), 383-417.

12. Fruhwirth-Schnattaer, S., & Kaufmann, S. (2000, August). Bayesian Analysis of Switching ARCH Models. In Econometric Society World Congress 2000 Contributed Papers (No. 1381). Econometric Society.

13. Goldfeld, S. M., & Quandt, R. E. (1973). A Markov model for switching regressions. Journal of econometrics, 1(1), 3-15.

14. Haas, M., Mittnik, S., & Paolella, M. S. (2004). A new approach to Markov-switching GARCH models. Journal of Financial Econometrics, 2(4), 493-530.

15. Hamilton, J. D. (1989). A new approach to the economic analysis of nonstationary time series and the business cycle. Econometrica: Journal of the Econometric Society, 357-384.

16. Hamilton, J. D. (1990). Analysis of time series subject to changes in regime. Journal of econometrics, 45(1-2), 39-70.

17. Hamilton, J. D., & Susmel, R. (1993). Autoregressive conditional heteroskedasticity and changes in regime. Journal of econometrics, 64(1), 307-333.

18. Hudson, R., Dempsey, M., & Keasey, K. (1996). A note on the weak form efficiency of capital markets: The application of simple technical trading rules to UK stock prices-1935 to 1994. Journal of Banking & Finance, 20(6), 1121-1132.

19. Kuan, C. M. (2013). Markov switching model. Quantile, (11), 13-40.

20. Mahayni, A. (2003). Effectiveness of hedging strategies under model misspecification and trading restrictions. International Journal of Theoretical and Applied Finance, 6(05), 521-552.

21. Mandelbrot, B. B. (1963). The variation of certain speculative prices. The Journal of Business, 371-418.

22. Moosa, I., & Burns, K. (2014). The unbeatable random walk in exchange rate forecasting: Reality or myth?. Journal of Macroeconomics, 40, 69-81.

23. Neely, C., Weller, P., & Dittmar, R. (1997). Is technical analysis in the foreign exchange market profitable? A genetic programming approach. Journal of financial and Quantitative Analysis, 32(4), 405-426.

24. Osborne, M. M. (1959). Brownian motion in the stock market. Operations research, 7(2), 145-173.

25. Pistole, T. C., & Metghalchi, M. (2010). Comparison of Three Technical Trading Methods Vs Buy-and-Hold for the S&P 500 Market. SOUTHWEST DECISION SCIENCES INSTITUTE CONFERENCE, Dallas, TX.

26. Pruitt, S. W., & White, R. E. (1988). The CRISMA trading system: Who says technical analysis can't beat the market?. The journal of portfolio management, 14(3), 55-58.

27. Schweizer, M. (1994). RISK?MINIMIZING HEDGING STRATEGIES UNDER RESTRICTED INFORMATION. Mathematical Finance, 4(4), 327-342.

28. Sukcharoen, K., Choi, H., & Leatham, D. J. (2015). Optimal gasoline hedging strategies using futures contracts and exchange-traded funds. Applied Economics, 47(32), 3482-3498.

Размещено на Allbest.ru