Эффективность управления портфелями паевых инвестиционных фондов акций и ее оценка

Данные о значимости каждого критерия пятифакторной модели доходности ПИФов акций в 2002-2018 годах приведены на рис. 9. У фактора избыточной доходности широкого рыночного портфеля, рассчитываемого в виде разницы между доходностью широкого портфеля акций и доходностью безрисковых вложений, наблюдалась значимость минимум на 10-процентном уровне для более 80% фондов в каждый отдельно взятый квартал до 2014 года. После 2014-го значимость рыночного фактора для фондов падает. Это говорит о том, что фонды акций ожидаемо сильно коррелированы с фондовым рынком и, несмотря на разные коэффициенты для разных фондов, их доходность так или иначе связана со средневзвешенной динамикой цен на акции.

Коэффициент при факторе размера был значим для достаточно большой части фондов (порядка 20-40% в зависимости от года) до 2011 года. Далее в период с 2011 по 2014 годы произошло снижение доли фондов со значимыми коэффициентами, причем уже с 2013 года и до конца 2017-го этот фактор был значим менее чем для 10% фондов в выборке. Аналогичным образом ведет себя коэффициент при факторе ликвидности, что является следствием высокой корреляции между факторами ликвидности и размера. Значимость этих двух факторов растет лишь в 2018 году.

Коэффициент при факторе стоимости также значим для части ПИФов. Например, в 2009-2010 годах и в конце 2016-го -- начале 2017-го этот фактор стал значим для более 20% фондов. Это говорит о том, что для ряда фондов стратегия группировки акций в портфели стоимости или роста в этом периоде стала актуальной. Значимость фактора моментума была высокой в 2009-2010 годах, а также выросла с середины 2014-го. Вероятно, это может быть следствием применения фондами относительно простых инвестиционных стратегий и отбора акций в портфели по критерию «лучшие» или «худшие» (знак коэффициента как отрицательный, так и положительный для разных фондов).

Снижение объясняющей силы у пятифакторной модели для доходности ПИФов акций с 2013 года может быть вызвано разными причинами. Одна из них связана с тем, что, как было показано на рис. 2, именно с 2013-го начался резкий рост доли иностранных вложений в активах ПИФов акций. При этом наблюдался процесс не только повышения этой доли у отдельных ПИФов акций, но и заметный рост количества фондов, использующих вложения в ценные бумаги иностранных эмитентов.

Для оценки влияния фактора иностранных вложений на уровень объяснимости пятифакторной модели была построена модифицированная пятифакторная модель, где фактор ликвидности был заменен показателем разницы между доходностью американского индекса S&P 500 в рублях и российского индекса МосБиржи (рис. 10) Поскольку факторные модели оцениваются по наблюдениям за два года, добавление иностранных инвестиций шестым фактором в модель было бы излишним. Поэтому данный фактор добавлен вместо фактора ликвидности, так как тот -- особенно в последние годы -- достаточно сильно коррелирован с фактором размера.. Это позволило заметно улучшить качество факторных моделей, прежде всего для 2014-2018 годов. Коэффициент детерминации за этот период в среднем повысился на 7 п.п., что подтверждает влияние на объясняющую силу рассматриваемых моделей фактора роста доли иностранных вложений ПИФов акций. Тем не менее добавление фактора доходности акций американских компаний не помогло исправить в расчетах тенденцию снижения объясняющей силы пятифакторной модели ценообразования, наблюдаемую после кризиса 2008 года, что дает основания предположить наличие иных факторов, влияющих на уменьшение коэффициента детерминации этих моделей.

Исследование факторов, влияющих на понижение коэффициента детерминации факторных моделей, не является специальной темой нашего исследования, поэтому выделим лишь отдельные предположения. В работе [Абрамов и др., 2019] показано, что одной из причин может быть начавшийся в 2012 году отток иностранных портфельных инвесторов, учитывавших особенности фундаментальных характеристик. В последующем этот фактор мог отразиться и на снижении объясняющей силы модели для ПИФов, инвестирующих в акции российских компаний. Другой причиной мог оказаться рост влияния в объяснении доходности ПИФов акций фактора дивидендной доходности или иного фактора, не вошедшего в рассматриваемые модели ценообразования. На объясняющую силу модели могут влиять и другие факторы, связанные с циклическим характером поведения доходности тех или иных факторов. Однако, несмотря на указанные оговорки, подчеркнем, что при наблюдаемом в последние годы некотором снижении значимости рассматриваемой пятифакторной модели ценообразования она остается значимой на достаточно высоком уровне и характеризуется более высокими коэффициентами детерминации по сравнению с обычной однофакторной моделью.

Оценка эластичности изменения доходности фондов и доходности факторов

После рассмотрения вопроса о значимости моделей ценообразования и их факторов при объяснении доходности ПИФов акций необходимо оценить степень эластичности реакции доходности фондов на изменения того или иного фактора. Иными словами, для каждого квартала на временном горизонте 2002-2018 годов нужно проанализировать значения бета-коэффициентов в среднем по выборке фондов и их разброс по отдельным ПИФам. В пятифакторной модели каждый из пяти бета-коэффициентов можно рассматривать как меру системного риска доходности портфеля ПИФа по отношению к каждому из рассматриваемых факторов.

По фактору избыточной доходности широкого рыночного портфеля (RMRF) в 2002-2018 годах среднее значение значимых коэффициентов бета составило 0,92 (рис. 11), то есть на долгосрочном временном горизонте в среднем доходность ПИФов акций и этого фактора изменялись с относительно высокой степенью синхронности и прямо пропорционально друг другу. Однако в поведении беты по этому фактору наблюдался циклический характер изменений. С середины 2014 года по 2017-й показатель существенно снижался почти до уровня 0,5. Между значениями беты разных фондов на один и тот же момент наблюдается существенный разброс, усиливавшийся после кризиса 2008 года и в 2013 году, что свидетельствует о высокой и периодически меняющейся роли стратегий активного управления ПИФами акций. В большинстве периодов фактор широкого рыночного портфеля оказывался преимущественно значимым, однако в 2014-2018 годах доля фондов, где этот фактор оказывался незначимым, выросла по причинам, рассмотренным выше.

По фактору размера эмитентов акций в 2002-2018 годах среднее арифметическое значимых коэффициентов бета составило 0,3 при большом количестве незначимых коэффициентов, близких к нулю (рис. 12), то есть на долгосрочном временном горизонте в среднем доходность ПИФов акций и этого фактора изменялись с низкой степенью синхронности и прямо пропорционально друг другу. Однако в среднем ПИФы акций слабо следовали стратегии инвестирования в акции малых компаний, предпочитая акции крупных эмитентов и отказываясь от премии за малый размер компаний. Это выражалось в том, что с 2013 года среднее значение коэффициента бета для фактора размера компаний достигло отрицательного уровня, а в последующие годы циклически изменялось по отношению к нулевому уровню. Кроме того, во многих периодах доля ПИФов, для которых фактор размера компаний оказывался значимым, была незначительной.

Другие факторы -- стоимость, инерция и ликвидность -- на большей части рассматриваемого периода оказались незначимыми (рис. 13-15), то есть изменения доходности портфелей ПИФов акций оказывались неэластичными с доходностью таких факторов, как недооценка стоимости акций компаний, их ликвидность на вторичном рынке, а также доходность рынка акций за прошлые периоды. Так, по фактору стоимости в 2002-2018 годах среднее арифметическое значимых коэффициентов бета составило 0,17 при существенном разбросе значений по каждому фонду в течение разных периодов (рис. 13). После 2012-го средняя бета по фактору стоимости стала отрицательной. По фактору инерции в 2002-2018 годах среднее арифметическое значимых коэффициентов бета составило -0,22 (рис. 14), то есть на долгосрочном временном горизонте в среднем доходность ПИФов акций и этот фактор изменились в противоположном направлении с низкой степенью синхронности. По фактору ликвидности в 2002-2018 годах среднее арифметическое значимых коэффициентов бета составило 0,22 (рис. 15), однако нельзя однозначно сделать вывод о преимущественно положительном влиянии этого фактора в силу наличия оценок с разными знаками в разные периоды.

Выявленная недостаточность объясняющей силы таких традиционных для моделей ценообразования акций факторов, как стоимость, инерция и ликвидность, возможно, означает необходимость дальнейшего поиска новых факторов, специфических для развивающихся фондовых рынков, таких как факторы дивидендной доходности, доли государства в структуре собственности эмитентов, доходности иностранных финансовых инструментов, наиболее популярных в структуре портфелей российских ПИФов Текущая и историческая доходности многих из указанных факторов публично раскрываются на страницах «Конструктор CAPM-ru», что открывает новые возможности для поиска такой модели ценообразования финансовых инструментов российских компаний, которая может иметь более высокий уровень значимости при объяснении избыточной доходности ПИФов и других портфелей на внутреннем фондовом рынке.. Возможно, значимость неработающих пока факторов может повыситься по мере прихода на внутренний рынок новых институциональных инвесторов и новых компаний-эмитентов. Однако и в действующем виде наша модель позволяет оценивать избыточную доходность фондов с учетом фактора систематического риска (беты) и обладает большей объясняющей силой по сравнению с традиционной однофакторной моделью ценообразования.

Альфа ПИФов акций и ее использование в инвестиционных стратегиях

Рассчитаем коэффициенты альфа ПИФов акций. На рис. 16 представлена диаграмма размаха для коэффициента альфа по годам для однофакторной модели. Коэффициент альфа в годовом расчете по однофакторной модели имеет высокую волатильность со средним значением -1,21 и стандартным отклонением 15,91. Больше половины наблюдений ПИФ/год находится в отрицательной области, что может служить индикатором низкой эффективности фондов. Большая часть экстремально низких значений коэффициента альфа относится к 2008 и 2009 годам. Медианное значение выделено чертой внутри прямоугольников, оно меньше нуля для большинства периодов, то есть минимум 50% ПИФов показывают относительную неэффективность по результатам оценки модели CAPM.

Аналогичный анализ оценки коэффициента альфа с помощью пятифакторной модели выявляет еще больше различий между ПИФами -- все доверительные интервалы становятся, как правило, шире (рис. 17). Все медианные значения, кроме 2006, 2015 и 2017 годов находятся около или ниже нуля, причем большинство находятся ниже уровня, оцененного по однофакторной модели.

Источник: расчеты авторов.

Рис. 16. Диаграмма размаха (boxplot) коэффициентов альфа ПИФов акций (однофакторная модель), 2002-2018 годы

Более явно проявляются последствия кризиса 2008 года и его влияние на эффективность ПИФов. Среднее значение альфы падает до -4,34. Причем кризис 2014 года и последующее повышение волатильности на российском рынке не отражено в альфах, что является следствием снижения значимости моделей после 2014 года, их неспособностью корректно выявить зависимости и очистить фактические доходности от влияния рыночных факторов.

Могут ли знания о прошлой доходности фондов использоваться для построения стратегий отбора ПИФов акций, приносящих более высокую альфу? Интересный подход для получения ответа на этот вопрос был предложен в работах [Carhart, 1997; Hendricks et al., 1993].

Согласно такому подходу в конце каждого года рассчитывается годовая доходность всех ПИФов, фонды ранжируются по ее возрастанию и разбиваются на несколько портфелей, начиная от портфеля фондов с самой низкой доходностью за прошедший период и заканчивая портфелем фондов с самой высокой доходностью за тот же срок. Автор работы [Carhart, 1997] при таких расчетах делит фонды на десять категорий (квантилей). В России в 2000-х годах количество фондов в выборке мало, поэтому количество таких портфелей ПИФов мы ограничили до пяти. В конце следующего года все ПИФы снова ранжируются по доходности за прошедший период, и с учетом этого производится обновление пяти портфелей фондов разной категории доходности. Первый портфель включает ПИФы с самой низкой доходностью, пятый -- с самой высокой доходностью за предшествующий год.

Таким образом, предполагается, что состав и структура активов всех пяти портфелей фондов обновляются один раз по итогам завершившегося года и остаются неизменными в следующем году, а все фонды в составе таких портфелей имеют равные веса. Зная ежемесячную доходность каждого ПИФа, можно построить ряды ежемесячной доходности всех пяти портфелей, например, с 2002 по 2018 года.

На завершающем этапе на основании ежемесячных доходностей и разных факторов модели ценообразования активов по каждому из пяти указанных портфелей за период 2002-2018 годов с помощью одно- и пятифакторных моделей рассчитываются коэффициенты альфа, бета и показатели, характеризующие уровни значимости данных моделей.

Стратегия, предусматривающая пересмотр состава пяти портфелей из фондов с регулярностью один раз в год, показала достаточно хорошие результаты с точки зрения предсказания будущей доходности (табл. 1, часть a). Наименьшую среднюю доходность получил портфель ПИФов с наименьшей доходностью за предыдущий год. Портфель фондов с наилучшей прошлой доходностью (пятый портфель) показал наибольшую доходность. Однако внутри каждого портфеля наблюдались высокие значения стандартного отклонения доходности разных ПИФов, составляющих данный портфель, что не позволяет однозначно утверждать, что для индивидуальных ПИФов хороший результат в прошлом является гарантией хорошего результата в будущем. Портфель с ПИФами с худшей в прошлом доходностью характеризовался самым низким коэффициентом альфа, рассчитанным по пятифакторной модели, а портфель из фондов с самой высокой доходностью -- самым высоким коэффициентом альфа. Наибольшую значимость в пятифакторной модели по всем пяти портфелям имел коэффициент бета при факторе избыточной доходности широкого индексного портфеля. Кроме того, наибольшую значимость имел отрицательный коэффициент бета при факторе моментума для трех портфелей из фондов с низкой прошлой доходностью. Это говорит о том, что одной из причин низкой эффективности фондов из портфелей с низкой доходностью были потери от роста премии по стратегии моментума. Коэффициенты бета по другим факторам демонстрировали значимость фрагментарно лишь для отдельных портфелей.

Интересно, что тестирование той же стратегии отбора индивидуальных ПИФов в пять портфелей по доходности за прошедший год, но с условием пересмотра состава портфелей лишь через три года приносит совсем иные результаты (табл. 1, часть b). В этом случае за период 2002-2018 годов наиболее высокую избыточную доходность заработал портфель из фондов с самой низкой доходностью в прошлом, а коэффициенты альфа портфелей с «худшими» и «лучшими» ПИФами, рассчитанные по пятифакторной модели, практически не отличаются друг от друга. Возможно, столь неожиданные результаты пяти портфелей из фондов в этом случае объясняются эффектом реверсии, когда выбор самых низкодоходных в прошлом объектов инвестирования в будущем приносит самый высокий доход.

Таблица 1 Анализ портфелей, сформированных на основе доходности в предыдущих двенадцати месяцах (% месячных)

Примечание. В скобках указаны т-статистики полученных оценок коэффициентов, выделены статистически значимые коэффициенты. Источник: расчеты авторов.

Использование стратегии более частого -- раз в месяц -- пересмотра тех же пяти портфелей по результатам доходности индивидуальных ПИФов за последние двенадцать месяцев позволяет значительно улучшить достигаемые результаты (табл. 1, часть с). Средняя избыточная доходность линейно повышается от первого до пятого портфелей, где наименьшую доходность демонстрирует портфель из «худших» ПИФов. Альфа портфелей также линейно растет при переходе от худшего портфеля к портфелю из фондов с самой высокой прошлой доходностью как в однофакторной, так и пятифакторной модели. При этом последняя указывает на возможность получения положительной и значимой альфы по портфелю самых доходных в прошлом ПИФов. По-прежнему наблюдается положительное влияние факторов размера и стоимости и отрицательное влияние факторов моментума и ликвидности. Применение пятифакторной модели при частой корректировке портфелей приводит к росту значимости факторов риска, что вновь подтверждает их лишь краткосрочное влияние на российском рынке.

Заключение

Во многих странах мира коллективные инвестиции являются одной из наиболее эффективных форм привлечения населения на фондовый рынок, повышения благосостояния и накопления инвестиционных ресурсов. Их преимуществами по сравнению с другими формами инвестиций являются относительно низкие издержки и стартовая сумма вложений для инвесторов, профессионализм управления, строгое регулирование и самоограничения в применении кредитного плеча и вложениях в сложные финансовые инструменты. Эффективность и надежность взаимных фондов обеспечиваются за счет высокого уровня конкуренции и стандартов раскрытия публичной информации об их деятельности.

Однако в России открытые паевые инвестиционные фонды для розничных инвесторов пока не могут полностью раскрыть свой потенциал, суммарный объем их активов в размере 0,3% ВВП является одним из самых низких в мире. Формирование доверия частных инвесторов к открытым ПИФам во многом зависит от того, насколько информация о них прозрачна, доступна и понятна общественности. Однако здесь пока много нерешенных проблем: отсутствие официальных бенчмарков у многих ПИФов или их слабая репрезентативность, сложность оценки эффективности фондов в случае их вложения в иностранные ценные бумаги, отсутствие критериев, позволяющих инвесторам отличать активно управляемые портфели ПИФов от пассивных. Высокие издержки по сбору и анализу информации о фондах стали барьерами для принятия разумных инвестиционных решений.

Предложенный в статье инструментарий позволяет более объективно оценивать результаты деятельности ПИФов акций на основании использования многофакторных моделей ценообразования финансовых активов. По сравнению с традиционными способами оценки доходности фондов с помощью фондовых индексов он обладает рядом преимуществ. Получаемые оценки коэффициентов альфа учитывают факторы систематического (рыночного) риска, присущего портфелям ПИФов, что позволяет более точно оценить вклад портфельного управляющего в сводную доходность фонда. Многофакторные модели ценообразования имеют более высокую объясняющую силу для доходности фондов, а их использование позволяет анализировать результативность фондов в стандартах, понятных международным инвесторам.

Использование многофакторных моделей ценообразования финансовых активов имеет важное общее экономическое значение. Оно позволяет инвесторам лучше понимать национальные фондовые рынки, анализировать, за счет каких факторов (размера компаний, преодоления их недооценки, ликвидности) акции той или иной компании приносят дополнительную доходность или, наоборот, увеличивают убытки.

В сфере коллективных инвестиций такие модели ценообразования активов позволяют выявлять фундаментальные факторы, способные приносить устойчивую дополнительную доходность портфельным инвестициям. Более того, именно благодаря факторным моделям Фамы и Фрэнча, Кархарта и др. в США в начале 1990-х годов появилась новая классификация взаимных фондов, сделавшая более понятной для частных инвесторов риски и доходность разных категорий фондов. Как было показано в статье, на российском рынке коллективных инвестиций в настоящее время отсутствуют понятные для общественности классификации категорий открытых ПИФов с точки зрения их доходности и риска. Возможно, использование факторных моделей ценообразования в перспективе позволит разработать такую классификацию, что важно в свете реализуемого законодателями подхода по риск- профилированию частных инвесторов.

Применение многофакторной модели для оценки доходности открытых ПИФов акций в 2002-2018 годах позволило установить, что средний размер альфы этих фондов является отрицательным и равен -4,34%. С учетом среднего уровня расходов на управление ПИФов акций в размере 3,5% это показывает, что в среднем за рассмотренный период фонды акций не приносили дополнительную доходность, достаточную, чтобы окупить издержки инвесторов в виде затрат на управление фондами. Уровень вознаграждения за управление российскими ПИФами акций примерно в 4,6 раза (3,5% против 0,76% от среднегодовой стоимости чистых активов фондов акций) выше, чем у аналогичных фондов в США.

При анализе доходности ПИФов не все факторы в множественной модели ценообразования имели одинаково высокую объясняющую силу. На постоянной основе высокую значимость демонстрировал лишь фактор избыточной доходности широкого портфеля акций и отчасти фактор размера компаний. Влияние других факторов (стоимости, инерции и ликвидности) было незначительным на основных отрезках рассматриваемого временного интервала. Более того, общая значимость рассматриваемой пятифакторной модели демонстрировала тенденцию к снижению после кризиса 2008 года. Это явление может объясняться ростом с 2013 года доли вложений ПИФов акций в акции иностранных эмитентов и биржевых индексных фондов (ETFs), а также снижением с 2012 года объясняющей силы факторной модели ценообразования акций российских компаний по мере нарастания оттока с этого сегмента рынка средств иностранных портфельных инвесторов.

На примере различных стратегий отбора ПИФов показано, что при ежемесячном пересмотре состава таких портфелей использование информации о прошлой доходности фондов может привести к более высоким уровням избыточной доходности и коэффициентов альфа. Практика применения одной из многофакторных моделей ценообразования финансовых активов в целях оценки эффективности портфелей ПИФов акций только начинает развиваться. Тем не менее публичное раскрытие ежемесячной исторической доходности широкого спектра факторов доходности финансовых инструментов, в том числе через ресурс «Конструктор CAPM-ru», в будущем позволит разработать модели, способствующие более точному объяснению доходности паевых инвестиционных фондов.

Литература

1. Абрамов А. Е., Акшенцева К. С., Чернова М. И., Логинова Д. А., Новиков Д. В., Рады- гин А. Д., Сивай Ю. В. Экономика инвестиционных фондов / Под общ. ред. А. Д. Ра- дыгина. М.: Дело, 2015.

2. Абрамов А. Е., Радыгин А. Д., Чернова М. И. Модели ценообразования акций российских компаний и их практическое применение // Вопросы экономики. 2019. № 3. С. 48-76.

3. Berk J. B., Green R. C. Mutual Fund Flows and Performance in Rational Markets // Journal of Political Economy. 2004. Vol. 112. No 6. P. 1269-1295.

4. Blitz D., Huij J. Another Look at the Performance of Actively Managed Equity Mutual Funds // SSRN Electronic Journal, February 2012. https://www.ssrn.com/abstract=2004972.

5. Brandeis L. Other People's Money and How the Bankers Use It. N. Y.: Frederick A. Stock Company Publishers, 1913.

6. Carhart M. On Persistence in Mutual Fund Performance // Journal of Finance. 1997. Vol. 52. No 1. P. 7-82.

7. Christopherson J. A., Ferson W E., Glassman D. A. Conditioning Manager Alphas on Economic Information: Another Look at the Persistence of Performance // Review of Financial Studies. 1998. Vol. 11. No 1. P. 111-142.

8. Cremers M., Petajisto A. How Active Is Your Fund Manager? A New Measure That Predicts Performance // Review of Financial Studies. 2009. Vol. 22. No 9. P. 3329-3365.

9. Cremers M., Petajisto A., Zitzewitz E. Should Benchmark Indices Have Alpha? Revisiting Performance Evaluation // Critical Finance Review. 2013. Vol. 2. No 1. P. 1-48.

10. Cuthbertson K., Nitzsche D., O'Sullivan N. A Review of Behavioural and Management Effects in Mutual Fund Performance // International Review of Financial Analysis. 2016. Vol. 44(C). P. 162-176.

11. Cuthbertson K., Nitzsche D., O'Sullivan N. Mutual Fund Performance: Measurement and Evidence // Journal of Financial Markets, Instruments and Institutions. 2010. Vol. 19. No 2. P. 95-187.

12. Dash R. S., Mahakud J. Do Asset Pricing Models Explain Size, Value, Momentum and Liquidity Effects? The Case of an Emerging Stock Market // Journal of Emerging Market Finance. 2014. Vol. 13. No 3. P 217-251.

13. DeMiguel V., Garlappi L., Nogales F J., Uppal R. A Generalized Approach to Portfolio Optimization: Improving Performance by Constraining Portfolio Norms // Management Science. 2009. Vol. 55. No 5. P. 798-812.

14. Fama E. F., French K. R. Common Risk Factors in the Returns on Stocks and Bonds // Journal of Financial Economics. 1993. Vol. 33. No 1. P 3-56.

15. Fama E. F., French K. R. Luck Versus Skill in the Cross-Section of Mutual Fund Returns // Journal of Finance. 2010. Vol. 65. No 5. P 1915-1947.

16. Fama E. F, MacBeth J. Risk, Return and Equilibrium: Empirical Tests // Journal of Political Economy. 1973. Vol. 81. No 3. P 607-636.

17. Ferreira M. A., Keswani A., Miguel A. F., Ramos S. B. The Determinants of Mutual Fund Performance: A Cross-Country Study // Review of Finance. 2013. Vol. 17. No 2. P. 483-525.

18. Ferson W. E. Performance Measurement with Market and Volatility Timing and Selectivity // SSRN Electronic Journal, February 2012. https://ssrn.com/abstract=2022142.

19. Ferson W E., Schadt R. W Measuring Fund Strategy and Performance in Changing Economic Conditions // Journal of Finance. 1996. Vol. 51. No 2. P. 425-462.

20. Grossman S. J., Stiglitz J. E. On the Impossibility of Informationally Efficient Markets // American Economic Review. 1980. Vol. 70. No 3. P. 393-408.

21. Hendricks D., Patel J., Zeckhauser R. Hot Hands in Mutual Funds: Short-Run Persistence of Relative Performance, 1974-1988 // Journal of Finance. 1993. Vol. 48. No 1. P 93-130.

22. Jegadeesh N., Titman S. Returns to Buying Winners and Selling Losers: Implications for Stock Market Efficiency // Journal of Finance. 1993. Vol. 48. No 1. P 65-91.

23. Jensen M. C. The Performance of Mutual Funds in the Period 1945-1964 // Journal of Finance. 1968. Vol. 23. No 2. P 389-416.

24. Lam K. S. K., Tam L. H. K. Liquidity and Asset Pricing: Evidence from the Hong Kong Stock Market // Journal of Banking and Finance. 2011. Vol. 35. No 9. P 2217-2230.

25. Lehmann B., Timmermann A. Performance Measurement and Evaluation // Handbook of Financial Intermediation and Banking / A. Thakor, A. W. A. Boot (eds.). Amsterdam: Elsevier, 2007. P 189-259.

26. Lehmann B. N., ModestD. M. Mutual Fund Performance Evaluation: A Comparison of Benchmarks and Benchmark Comparisons // Journal of Finance. 1987. Vol. 42. No 2. P 233-265.

27. Sharpe W F Asset Allocation: Management Style and Performance Measurement // Journal of Portfolio Management. 1992. Vol. 18. No 2. P 7-19.

28. Wermers R. Performance Measurement of Mutual Funds, Hedge Funds, and Institutional Accounts // Annual Review of Financial Economics. 2011. Vol. 3. P 537-574.

References

1. Abramov A., Akshentseva K., Chernova M., Loginova D., Novikov D., Radygin A., Sivay Y. Ekonomika investitsionnykh fondov [Economics of Investment Funds]. A. Radygin (ed.). Moscow, Delo, 2015.

2. Abramov A., Radygin A., Chernova M. Modeli tsenoobrazovaniya aktsiy rossiyskikh kompaniy i ikh prakticheskoe primenenie [Pricing Models of Shares of Russian Companies and Their Practical Application]. Voprosy ekonomiki, 2019, no. 3, pp. 48-76.

3. Berk J. B., Green R. C. Mutual Fund Flows and Performance in Rational Markets. Journal of Political Economy, 2004, vol. 112, no. 6, pp. 1269-1295.

4. Blitz D., Huij J. Another Look at the Performance of Actively Managed Equity Mutual Funds. SSRN Electronic Journal, 2012, February. https://www.ssrn.com/abstract=2004972.

5. Brandeis L. Other People's Money and How the Bankers Use It. N. Y., Frederick A. Stock Company Publishers, 2013.

6. Carhart M. On Persistence in Mutual Fund Performance. Journal of Finance, 1997, vol. 52, no. 1, pp. 7-82.

7. Christopherson J. A., Ferson W E., Glassman D. A. Conditioning Manager Alphas on Economic Information: Another Look at the Persistence of Performance. Review of Financial Studies, 1998, vol. 11, no. 1, pp. 111-142.

8. Cremers M., Petajisto A. How Active Is Your Fund Manager? A New Measure That Predicts Performance. Review of Financial Studies, 2009, vol. 22, no. 9, pp. 3329-3365.

9. Cremers M., Petajisto A., Zitzewitz E. Should Benchmark Indices Have Alpha? Revisiting Performance Evaluation. Critical Finance Review, 2013, vol. 2, no. 1, pp. 1-48.

10. Cuthbertson K., Nitzsche D., O'Sullivan N. A Review of Behavioural and Management Effects in Mutual Fund Performance. International Review of Financial Analysis, 2016, vol. 44(C), pp. 162-176.

11. Cuthbertson K., Nitzsche D., O'Sullivan N. Mutual Fund Performance: Measurement and Evidence. Journal of Financial Markets, Instruments and Institutions, 2010, vol. 19, no. 2, pp. 95-187.

12. Dash R. S., Mahakud J. Do Asset Pricing Models Explain Size, Value, Momentum and Liquidity Effects? The Case of an Emerging Stock Market. Journal of Emerging Market Finance, 2014, vol. 13, no. 3, pp. 217-251.

13. DeMiguel V, Garlappi L., Nogales F. J., Uppal R. A Generalized Approach to Portfolio Optimization: Improving Performance by Constraining Portfolio Norms. Management Science, 2009, vol. 55, no. 5, pp. 798-812.

14. Fama E. F., French K. R. Common Risk Factors in the Returns on Stocks and Bonds. Journal of Financial Economics, 1993, vol. 33, no. 1, pp. 3-56.

15. Fama E. F., French K. R. Luck Versus Skill in the Cross-Section of Mutual Fund Returns. Journal of Finance, 2010, vol. 65, no. 5, pp. 1915-1947.

16. Fama E. F., MacBeth J. Risk, Return and Equilibrium: Empirical Tests. Journal of Political Economy, 1973, vol. 81, no. 3, pp. 607-636.

17. Ferreira M. A., Keswani A., Miguel A. F., Ramos S. B. The Determinants of Mutual Fund Performance: A Cross-Country Study. Review of Finance, 2013, vol. 17, no. 2, pp. 483-525.

18. Ferson W. E. Performance Measurement with Market and Volatility Timing and Selectivity. SSRN Electronic Journal, 2012, February. https://ssrn.com/abstract=2022142.

19. Ferson W E., Schadt R. W Measuring Fund Strategy and Performance in Changing Economic Conditions. Journal of Finance, 1996, vol. 51, no. 2, pp. 425-462.

20. Grossman S. J., Stiglitz J. E. On the Impossibility of Informationally Efficient Markets. American Economic Review, 1980, vol. 70, no. 3, pp. 393-408.

21. Hendricks D., Patel J., Zeckhauser R. Hot Hands in Mutual Funds: Short-Run Persistence of Relative Performance, 1974-1988. Journal of Finance, 1993, vol. 48, no. 1, pp. 93-130.

22. Jegadeesh N., Titman S. Returns to Buying Winners and Selling Losers: Implications for Stock Market Efficiency. Journal of Finance, 1993, vol. 48, no. 1, pp. 65-91.

23. Jensen M. C. The Performance of Mutual Funds in the Period 1945-1964. Journal of Finance, 1968, vol. 23, no. 2, pp. 389-416.

24. Lam K. S. K., Tam L. H. K. Liquidity and Asset Pricing: Evidence from the Hong Kong Stock Market. Journal of Banking and Finance, 2011, vol. 35, no. 9, pp. 2217-2230.

25. Lehmann B., Timmermann A. Performance Measurement and Evaluation. In: Thakor A., Boot A. W A. (eds.). Handbook of Financial Intermediation and Banking. Amsterdam, Elsevier, 2007, pp. 189-259.

26. Lehmann B. N., Modest D. M. Mutual Fund Performance Evaluation: A Comparison of Benchmarks and Benchmark Comparisons. Journal of Finance, 1987, vol. 42, no. 2, pp. 233-265.

27. Sharpe W. F. Asset Allocation: Management Style and Performance Measurement. Journal of Portfolio Management, 1992, vol. 18, no. 2, pp. 7-19.

28. Wermers R. Performance Measurement of Mutual Funds, Hedge Funds, and Institutional Accounts. Annual Review of Financial Economics, 2011, vol. 3, pp. 537-574.

Размещено на Allbest.ru