Хэштег #необычныеметодынарынке | Тинькофф Инвестиции Пульс

Войти

Абстракт Прошедшая неделя запомнилась драматическим падением рубля и поиском активов, нивелирующих данный фактор. Большинство аналитиков высказали мнение, что от падения могут выиграть акции российских экспортеров, получающих свою выручку в валюте. Утверждение звучит логично и понятно, но, как всегда, все хочется проверить самому. Одним из возможных способов подтвердить или опровергнуть гипотезы является статистический анализ, особенно в тех случаях, как это можно подтвердить математически. Таким инструментом может служить корреляция, которая должна быть знакома для моих постоянных читателей. Однако, корреляция не означает причинно-следственную связь и тем более ограничена, когда нам необходимо оценить влияние сразу нескольких независимых переменных на акцию. Поэтому, нам в этом деле поможет другой статистический инструмент – регрессия. Данные Для поста были использованы цены с марта 2015 года. Результаты Предупреждение: результаты не являются индивидуальной инвестиционной рекомендацией и представлены исключительно в ознакомительных целях Корреляция акций с рублем Как вы можете увидеть (Таб. 1.), наибольшую корреляцию с парой доллар/рубль показывают акции сырьевых компаний. Наибольшее значение показывает . Это означает, что при ослаблении рубля данная акция может быть неплохим инструментом хеджирования, так его цена в такой ситуации только увеличивается. Другие хорошие значения (>0.5) показали металлурги , и газовая компания , которые тоже выигрывают от падения рубля. Что касается аутсайдеров, то среди них и , которые, согласно корреляции, проигрывают при падении рубля. Регрессионные модели Регрессионные модели чаще всего применяются, чтобы подтвердить или опровергнуть какую-либо гипотезу. Стандартно используют 2 стандартных отклонения или значение <5%, чтобы подтвердить альтернативную гипотезу. Я же использую более 3 стандартных отклонений или <0.01%, чтобы модели были более качественными. Вдобавок, нужно учитывать значение R^2, показывающее, как хорошо независимые переменные объясняют модель (чем больше, тем лучше). Изначально я хотел включить только значения валютной пары и нефти, но решил добавить и другие товарные фьючерсы. Как вы видите (Таб. 2.), регрессия показывает, что большая часть акций выигрывает от падения рубля. Исключениями являются как знакомые по корреляции , так и . Регрессию можно использовать в качестве прогнозирования и поиска недооценённых и переоценённых активов. Если использовать данные модели и подставить под них текущие значения товарных фьючерсов и валютной пары, мы получаем следующую таблицу (3). Наиболее недооценённой акцией является , однако его значение R^2 относительно небольшой, следовательно, могут существовать другие важные факторы, влияющие на акцию. Хорошим выбором могут быть те, что также были подтверждены корреляцией - , так как их R^2 > 0.8. Наиболее переоцененными являются . Итог Корреляция и регрессия могут быть использованы для нахождения подходящих акций, особенно во время определенных рыночных изменений. Как мы увидели, данные меры хорошо оценивают влияние различных факторов на цену актива, что может облегчить выбор для инвестора при принятия решений о покупке/продаже актива. Однако, не стоит забывать, что полагаться исключительно на корреляцию и регрессию не совсем корректно. Конъектура российского рынка значительно изменилась в последнее время, поэтому исторические данные могут оказаться не столь полезны, как может показаться на первый взгляд. С другой стороны, такие практики можно применять вместе с теми, что проверены временем и собственным опытом, а также, если у вас есть необходимые знания, а главное – понимание, что самое важное.