Хэштег #регрессии | 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.

Сегодня я решил прервать цикл об американских компаниях и обсудить фактор, который, возможно, может снижать доходность ваших портфелей. Абстракт: Существует несколько факторов, которые влияют на доходность акции. Инвесторы, знакомые с исследованиями экономистов Фамы и Френча знают, что компании с низкими показателями оценки и маленькой капитализацией имеют выше доходность, чем акции роста и большой капитализацией. Более продвинутые знают про влияние прибыльности, капитальных затрат (CapEx) и беты. Однако, есть еще один фактор, который кажется очевидным, но который многие инвесторы не воспринимают иногда всерьез при выборе российских акций – это госучастие в доле компании. В данном посте мы узнаем, есть ли влияние на доходность и как это может повлиять на поведение инвесторов. Личные наблюдения и литературный обзор: Идея появилась после работы с коэффициентами корреляций российских компаний: я заметил, что у компаний с госучастием выше данные коэффициенты, а значит, выше риски при диверсификации. Мои собственные тесты подтвердили гипотезу о том, что госкомпании обладают более высокими коэффициентами корреляция, правда, выборка была около 50 компаний. Следовательно, для опубликования результата и обсуждения, я хотел бы увеличить выборку. Впоследствии, возникла гипотеза, что такие компании могут показывать хуже доходность, чем компании без госучастия. Далее я наткнулся на статью в «Ведомостях», которые подтверждали мою гипотезу (ссылка в конце поста). Как мы можете увидеть на первом рисунке (Ведомости, 2016), который я взял из их статьи, компании с госучастием демонстрируют ниже доходность, чем компании с другими акционерами. Тем не менее, я – человек любопытный и захотел сам убедиться в данном факте. Методология: Для подтверждения своей гипотезы я использую статистическую технику, знакомую всем, кто проходил статистику на первом курсе – регрессию. Чтобы результат был действителен, необходимо, чтобы значение T не был в интервал [-1.96; 1.96], а значение p-value < 0.05. В таком случае, мы отвергаем нулевую гипотезу, которая отрицает взаимосвязь между переменными, и принимаем новую, которая подтверждает взаимосвязь между переменными. Данные: Выборка – 98 российский компаний Московской Биржи, данные о которых были доступны за 5-летний промежуток (2017-2022). Результат и дискуссия: Регрессия подтвердила гипотезу об отрицательном влиянии госучастия в компаниях – значение T составило -2.26 < 1.96, а P-value равен 0.026 < 0.05. Таким образом, мы можем сказать, что для более высокой доходности портфеля следует снизить количество компаний с госучастием и добавлять в него акции преимущественно публичные компании без госучастия. Однако, это не значит, что такие госкомпании автоматически плохие. Примеры хороших компаний с госучастием я могу назвать и , которые на данный имеют лучше показатели, чем негосударственные компании в их секторах. Тем не менее, если вы хотите более высокую доходность для своего портфеля, я бы минимизировал количество бумаг с госучастием как минимум по тому, что они демонстрируют более высокие коэффициенты корреляций, а значит, добавляют больше риска к портфелю. Заключение: Регрессия подтвердила гипотезу о том, что компании с госучастием показывают более низкую доходность, чем без госконтроля. Следовательно, рациональному инвестору следует ограничить количество госкомпаний в своем портфеле, чтобы увеличить доходность и снизить несистемные риски. Тем не менее, это не значит, что необходимо избавиться от всех госбумаг и не больше не покупать таковые на бирже. К примеру, в российских секторах телекоммуникаций и электроэнергетики госкомпании на данный момент выглядят привлекательнее. Библиография: Хэштеги:

Трехфакторная модель Фамы и Френча Формула модели Фама-Френч такова: R=Rf +b1(rm-Rf)+b2(smb)+b3(hml)+e Где: * r = ожидаемая доходность * rf = безрисковая ставка * ß = коэффициент фактора (чувствительность) * (rm - rf) = премия за рыночный риск * SMB (Small Minus Big) = историческая избыточная доходность компаний с малой капитализацией над компаниями с большой капитализацией * HML (High Minus Low) = историческая избыточная доходность ценных бумаг (высокое соотношение балансовой стоимости) по сравнению с растущими акциями (низкое соотношение балансовой стоимости к цене) * e = риск Как работает модель Фама-Френч Модель Фамы и Френча включает три фактора: размер фирм, балансовую стоимость и доходность выше средней на рынке. Другими словами, используются три фактора: SMB (малый минус большой), HML (хай минус лоу ) и доходность портфеля за вычетом безрисковой нормы доходности. SMB учитывает публично торгуемые компании с небольшой рыночной капитализацией, которые генерируют более высокую доходность, в то время как HML учитывает стоимостные акции с высокими отношениями балансовой стоимости к рынку, которые генерируют более высокую доходность по сравнению с рынком. Что означает модель Fama - Френч для инвесторов Премия за рыночный риск Премия за рыночный риск - это разница между ожидаемой доходностью рынка (рыночного ) и безрисковой ставкой (ОФЗ). Он обеспечивает инвестору дополнительную доходность в качестве компенсации за дополнительную волатильность доходности сверх безрисковой ставки. SMB (маленькая минус большая) Маленькая минус большая (SMB) - это размерный эффект, основанный на рыночной компании. SMB измеряет историческое превышение компаний с малой капитализацией над компаниями с большой капитализацией. Как только SMB идентифицирован, его бета-коэффициент (β) можно определить с помощью линейной . Коэффициент может принимать как положительные, так и отрицательные значения. Основное объяснение этого фактора заключается в том, что в долгосрочной перспективе компании с малой капитализацией, как правило, получают более высокую прибыль, чем компании с большой капитализацией. HML (высокая доходность минус Низкая ) High Minus Low (HML) - это надбавка к стоимости. Он представляет собой разницу в доходности между компаниями с высоким отношением балансовой стоимости к рыночной стоимости (компании с высокой балансовой стоимостью) и компаниями с низким отношением балансовой стоимости к рыночной стоимости. Как и для фактора SMB, после определения фактора HML его бета-коэффициент можно найти с помощью линейной регрессии. Коэффициент бета HML также может принимать положительные или отрицательные значения. Фактор HML показывает, что в долгосрочном периоде стоимостные акции (высокое соотношение балансовой и рыночной стоимости) имеют более высокую доходность, чем акции роста (низкое соотношение балансовой и рыночной стоимости или низкий B/P коэффициент). Важность трехфакторной модели Фама-Френча Трехфакторная модель Фама-Френч является расширением модели ценообразования капитальных активов (CAPM). Модель скорректирована с учетом тенденции к опережающей динамике. Кроме того, два дополнительных фактора риска делают модель более гибкой по сравнению с CAPM.