РАЛЬФ РАЛЬФ ВИНС - Математика управления капиталом. Методы анализа риска для трейдеров и портфельных менеджеров

быть ожидаемой прибылью, нулевой прибылью или любым другим фиксирован­ным уровнем прибыли. Когда заданный уровень прибьши равен ожидаемой при­были и распределение прибылей симметрично (без асимметрии), эффективная граница Е — S совпадает с эффективной границей Е — V.

Существуют модели портфелей, использующие вместо дисперсии прибылей другие способы выражения риска, а также более высокие моменты распределе­ния прибылей. Большой интерес в этом отношении представляют методы сто­хастического доминирования, которые учитывают все распределения прибылей и могут считаться предельным случаем многомерного анализа портфеля, когда число используемых моментов стремится к бесконечности. Подобный подход может быть особенно полезен в том случае, когда дисперсия прибылей беско­нечна или не определена.

И снова повторюсь — я не академик — это ни хвастовство, ни извинение, я та­кой же академик, как чревовещатель или телевизионный проповедник. Академи­кам необходима модель для объяснения того, как работают рынки, мне же не так важно, как они работают. Многие представители академического сообщества ут­верждают, что гипотеза об эффективной границе неверна, так как не существует по­нятия «рациональный инвестор». Сторонники такого подхода утверждают, что люди не ведут себя рационально, поэтому традиционные модели портфелей, такие как теория Е — V (и ее варианты) и модель оценки доходности финансовых акти­вов, являются неудовлетворительными моделями работы рынков. Я согласен, что инвесторы не всегда ведут себя рационально, но это не означает, что нам следует ве­сти себя подобным образом. Нельзя утверждать, что мы не можем получить выгоду из рационального поведения. Когда дисперсия прибылей конечна, мы можем по­лучить преимущество, находясь на эффективной границе.

В последнее время традиционные модели портфелей подвергаются серьезной критике, поскольку считается, что ценовые изменения лучше всего описываются распределением Парето с бесконечной (или неопределенной) дисперсией. Одна­ко многие исследования доказывают, что рынки в последние годы стали ближе к нормальному распределению (т.е. к ограниченной дисперсии и независимости результатов), на чем и основаны критикуемые модели портфелей. В моделях портфелей используется распределение прибылей, а не распределение изменений цен. Несмотря на то что распределение прибылей является трансформиро­ванным распределением изменений цены (в результате закрытия проигрышных сделок и максимально долгого удержания выигрышных позиций), эти распреде­ления, как правило, отличаются. Распределение прибылей не обязательно отно­сится к классу распределений Парето, поэтому в главе 4 мы моделировали распре­деление P&L с помощью регулируемого распределения. Более того, существуют производные инструменты, например, опционы, которые имеют ограниченную полудисперсию или дисперсию. Например вертикальный опционный спред в де­бете гарантирует ограниченную дисперсию прибылей. Я не пытаюсь оспаривать разумную критику современных моделей портфе­лей. Модели следует использовать при условии, что мы осознаем их недостатки. Разумеется, необходимы более совершенные модели портфелей. Я не заявляю, что современные модели адекватны, а говорю лишь о том, что входные данные для моделей портфелей, нынешних или будущих, должны основываться на тор­говле одной единицей на оптимальном уровне — или на том уровне, который, как мы полагаем, будет оптимальным. Например, если мы применяем теорию Е — V (модель Марковица), входными данными являются ожидаемая прибыль, диспер­сия прибылей и корреляции прибылей между рыночными системами. Входные данные должны определяться на основе торговли одной единицей по каждой ры­ночной системе на уровне оптимального f. Модели портфелей, отличные от Е — V, могут потребовать других входных параметров, но и их для каждой рыночной системы все равно следует рассчитывать на основе торговли одной единицей на уровне оптимального f. Модели портфелей являются лишь одной составляющей управления капита­лом, и эта книга не может ответить на все вопросы. Кроме того, постоянно появ­ляются новые, усовершенствованные модели. Скорее всего, мы никогда не полу­чим абсолютно совершенной модели, но это только будет стимулировать даль­нейшие поиски.

Это правило применимо к торговле только в одной рыночной системе. Когда вы начинаете торговать более чем в одной рыночной системе, то вступаете в иную среду. Например, можно включить рыночную систему с отрицательным математическим ожи­данием для одного из рынков и в действительности получить более высокое математи­ческое ожидание, чем просто математическое ожидание группы до включения системы с отрицательным ожиданием! Более того, возможно, что математическое ожидание для группы с включением рыночной системы с отрицательным математическим ожиданием будет выше, чем математическое ожидание любой отдельной рыночной системы! В настоящее время мы рассматриваем только одну рыночную систему, и для того, чтобы методы управления деньгами работали, необходимо иметь положительное математичес­кое ожидание.

Для процесса зависимых испытаний, как и для процесса независимых испытаний, ставка части вашего общего счета также максимально использует положительное математическое ожидание. Однако при зависимых испытаниях ставки будут меняться; точная доля каждой отдельной ставки будет определяться вероятностями и выигрышами по каждой отдельной ставке.

Многие ошибочно используют среднее арифметическое HPR в уравнении HPR ^ N. Как здесь показано, это не даст истинное TWR после N игр. Вы должны использовать геометрическое, а не арифметическое среднее HPR ^ N. Это даст истинное TWR. Если стандартное отклонение HPR равно 0, тогда арифметическое среднее HPR и геометрическое среднее HPR эквивалентны, и не имеет значения, какое из них вы используете.

Здесь есть еще один плюс, который сразу может быть и не виден. Он состоит в том, что мы заранее знаем проигрыш худшего случая. Учитывая, насколько чувствительно уравнение оптимального f к наибольшему проигрышу, такая стратегия может прибли­зить нас к пику кривой f и показать, каким может быть наибольший проигрыш. Во-вторых, проблема проигрыша в 3 стандартных отклонениях (или больше) с более высокой вероятностью, чем подразумевает нормальное распределение, будет устра­нена. Именно гигантские проигрыши более 3 стандартных отклонений разоряют большинство трейдеров. Опционные стратегии могут полностью упразднить такие проигрыши.