Что такое корреляция акций и облигаций?
Объясните, пожалуйста, простым языком, что такое корреляция ценных бумаг? Почему о ней говорят при составлении портфеля и что значит, когда она отрицательная?
Корреляция показывает, насколько активы схожи по поведению. Показатель описывает закономерности. Например, если при росте одного актива другой дешевеет и эта закономерность подтверждается историческими данными, говорят, что у активов обратная корреляция. Это относится как к отдельным ценным бумагам, так и к широким рынкам, классам активов и секторам экономики.
Коэффициент корреляции вычисляется на конкретном историческом отрезке. Он обозначается буквой r и принимает значения от −1 до +1. Если два актива движутся в связке, то коэффициент корреляции будет ближе к +1, а если в противоположных направлениях — ближе к −1. Но когда корреляция близка к нулю, взаимосвязи между ними нет. Это значит, что при росте или падении одного актива другой может вообще никак себя не проявлять. Например, корреляция акций и облигаций на рынке США в период с 1950 по 2012 год составила 0,11.
Расскажу, как можно использовать знание о корреляции при формировании портфеля.
Роль корреляции в управлении портфелем
Понимание корреляции между инструментами позволяет диверсифицировать портфель и снизить инвестиционные риски.
Например, если инвестор собрал портфель из 10 нефтегазовых компаний, он защитил себя только от специфических рисков, связанных с конкретным эмитентом. Волатильность портфеля по-прежнему будет высокой: если цены на нефть упадут, портфель также уйдет в красную зону из-за тесной корреляции акций.
Чтобы диверсификация работала, необходимо использовать инструменты с низкой или обратной корреляцией. Тогда движение цены одного актива будет компенсироваться движением другого. Так, государственные облигации — наиболее частный диверсификатор для акций, поскольку у этих активов исторически низкая взаимосвязь друг с другом.
Таким же образом устроен и механизм хеджирования, когда инвестор открывает позицию с отрицательной корреляцией к исходному активу, чтобы застраховаться от его падения. Например, так называемые обратные ETF обладают корреляцией, близкой к −1 по отношению к исходному активу.
Как победить выгорание
Как изменяется корреляция со временем
Современная теория портфеля позволяет найти идеальную смесь активов, при которой у портфеля будет оптимальное соотношение доходности и риска. Но главный недостаток этой теории в том, что корреляции со временем могут меняться. Два актива могут начать двигаться синхронно, даже если в прошлом их взаимосвязь была низкой. И заметить это можно только постфактум — на исторических данных.
Например, компания Blackstone провела исследование корреляции между разными классами активов за 20 лет. Результаты показали, что корреляция со временем только увеличивается. Это связано с разными факторами: тесной интеграцией экономик, глобальными производственными цепочками и усилившимся влиянием рынков друг на друга.
Seeking an Alternative — BlackstonePDF, 421 КБ
Если посмотреть на десятилетие перед кризисом 2008 года, то корреляция большинства инструментов по отношению к S&P 500 была ниже 0,5. Но после 2008 года она заметно выросла. Теперь только у высоконадежных облигаций по-прежнему слабая связь с акциями, хотя их корреляция сменилась с отрицательной на положительную: если раньше при падении S&P 500 они росли, то теперь тоже падают, пусть и не так сильно.
Корреляция различных классов активов с индексом S&P 500
| 1998—2007 | 2008—2020 | |
|---|---|---|
| Глобальные акции | 0,84 | 0,89 |
| Недвижимость | 0,32 | 0,74 |
| Высокодоходные облигации | 0,49 | 0,73 |
| Товары | −0,01 | 0,59 |
| Высоконадежные облигации | −0,21 | 0,01 |
Корреляция и волатильность
Между корреляцией и волатильностью существует взаимосвязь: когда рынки становятся волатильными, корреляции между инструментами возрастают. Поэтому рост корреляции со временем можно объяснить тем, что за последние десятилетия рынки стали более волатильными. Например, с 2000 по 2009 год было 95 торговых сессий, когда S&P 500 сдвинулся на 3% и больше. А за предшествующие 50 лет был всего 81 случай.
Количество дней в каждом десятилетии, когда S&P 500 сдвинулся на 3% и более
| 1950—1959 | 5 |
| 1960—1969 | 9 |
| 1970—1979 | 16 |
| 1980—1989 | 24 |
| 1990—1999 | 27 |
| 2000—2009 | 95 |
| 2010—2019 | 50 |
Особенно явно корреляции усиливаются во время фондовых обвалов. В панике инвесторы массово скидывают ценные бумаги широкого спектра, и в итоге все падает независимо от корреляции.
Поэтому на спокойном рынке с 2014 по 2017 год положительно коррелировали между собой только высокорисковые активы: S&P 500, глобальные акции, бумаги развивающихся рынков и фонды REIT. А низкорисковые активы были связаны только между собой. Это, например, муниципальные, корпоративные облигации, долгосрочные трежерис. При этом корреляции между этими двумя группами активов практически не наблюдалось.
Но во время коронавирусного кризиса корреляции усилились. Все перечисленные выше активы стали взаимосвязаны. А облигации, которые традиционно считаются защитным инструментом, падали вместе с рисковыми активами.
Как посчитать корреляцию
Чтобы рассчитать корреляцию, можно воспользоваться онлайн-калькулятором, например от Portfolio Visualizer или более простым вариантом от Unicornbay.
Я использовал Portfolio Visualizer, чтобы проверить корреляции между такими классами активов:
Для этого я вбил через пробелы указанные тикеры, выбрал расчет корреляций на основе месячной доходности инструментов и рассчитал 36-месячную скользящую.
Корреляции рассчитывались в рамках окна шириной три года, которое двигалось по шкале времени с марта 2006 по февраль 2021 года. Скользящая корреляция за 36 месяцев позволяет увидеть, как менялись ее значения с течением времени.
Я начал расчет с марта 2006 года, так как для фонда DBC более ранних данных нет.
Результаты расчетов представлены в таблице. Мы видим, что исторически у недвижимости, коммодити и S&P 500 слабая отрицательная корреляция по отношению к долгосрочным и коротким облигациям.
36-месячная скользящая корреляция разных классов активов
| Название | Тикер | TLT | SHY | SPY | GLD | DBC | VNQ |
|---|---|---|---|---|---|---|---|
| iShares 20+ Year Treasury Bond ETF | TLT | — | 0,54 | −0,32 | 0,23 | −0,37 | −0,01 |
| iShares 1-3 Year Treasury Bond ETF | SHY | 0,54 | — | −0,37 | 0,29 | −0,21 | −0,18 |
| SPDR S&P 500 ETF Trust | SPY | −0,32 | −0,37 | — | 0,05 | 0,54 | 0,72 |
| SPDR Gold Shares | GLD | 0,23 | 0,29 | 0,05 | — | 0,36 | 0,09 |
| Invesco DB Commodity Tracking | DBC | −0,37 | −0,21 | 0,54 | 0,36 | — | 0,34 |
| Vanguard Real Estate ETF | VNQ | −0,01 | −0,18 | 0,72 | 0,09 | 0,34 | — |
Как рассчитать корреляцию в «Экселе»
Скользящие корреляции также достаточно легко рассчитать в «Экселе». В этом помогает функция КОРРЕЛ() — или CORREL() в англоязычной версии.
Для начала необходимо сформировать два массива данных с котировками интересующих инструментов. Для примера я возьму акции «Газпрома» (GAZP) и Сбербанка (SBER) и выгружу цены бумаг на конец каждого месяца с 1 марта 2015 по 1 марта 2021 года. Всего получилось 73 месяца.
После этого можно воспользоваться функцией КОРРЕЛ(), чтобы посчитать скользящие корреляции. Я приведу пример, как рассчитать скользящую трехмесячную, то есть значение за каждое предыдущее окно в три месяца.
Что в итоге
Корреляция показывает схожесть поведения активов. Понимание корреляций активов используется при диверсификации, а также оптимизации стратегии согласно современной теории портфеля.
Корреляция рассчитывается на конкретном временном отрезке, и она может меняться. Как показывают исторические данные, с течением времени корреляция растет.
Корреляция усиливается на падающих рынках и вместе с увеличением волатильности.
Что делать? Читатели спрашивают — эксперты Т—Ж отвечают
MarketTwits, как-то неправильно приводить в пример корреляцию акции и индекса, состоящего на 1/6 из этих акций. Вот Русгидро и Сбер сравнить да, выбрать их индекса максимально отрицательно коррелирующие и составить свой идеальный индекс)
Корреляция ценных бумаг — что это такое и как работает
Инвесторы при выборе ценных бумаг для портфеля нередко сталкиваются с ситуацией, когда, например, ценовые движения нескольких акций оказываются идентичными. Фактически динамика таких активов демонстрирует тесную связь (корреляцию) между ними. Включение в инвестиционный портфель набора таких связных инструментов может привести как к значительному росту доходности, так и к увеличению рисков. Оценить глубину этой связи помогает коэффициент корреляции.
Понятие корреляции
Фактически корреляция при работе с ценными бумагами позволяет оценить вероятность синхронного движения цен двух активов, например, акций, или акции и индекса. Это означает, что при наличии сильной корреляции при росте цены одной акции будет дорожать и другая. Или же одновременно с падением индекса подешевеют и коррелирующие с ним акции компаний.
Коэффициент корреляции
При значениях коэффициента меньше 0 говорят об обратной (отрицательной) корреляции. Для фондового рынка это означает, что котировки исследуемых активов движутся разнонаправленно: при росте цены одного второй дешевеет, и наоборот.
Соотношение для расчета коэффициента корреляции
В статистике коэффициент корреляции рассчитывают, используя значения ковариации и стандартного отклонения исследуемых величин.
Для работы с ценными бумагами используется следующий вид этого соотношения:
В этом соотношении:
R1,2 – коэффициент корреляции между ценами 1-го и 2-го активов;
P1i, P2i – соответственно, цены активов на i-м интервале наблюдения (например, цена закрытия i-го дня).
P1с, P2с – средние значения цен за все время исследования, которое включает n периодов наблюдения.
Соотношение носит название формулы Пирсона. В практике она несколько неудобна, поскольку требует вычисления средних значений. Ее вариант, который использует только отсчеты цены на каждом i-м периоде наблюдения (цены активов), имеет вид:
На заметку! Первый вариант формулы становится удобнее, если кроме цен активов воспользоваться значениями такого инструмента теханализа, как скользящая средняя с периодом, равным n. Такой подход позволяет просто реализовать и собственный индикатор для торговых платформ, который будет отражать динамику корреляции. Он может сформировать интересный набор торговых сигналов.
Использование корреляции в трейдинге и инвестировании
Понимание корреляции и ее количественную оценку (коэффициент) с успехом используют и трейдеры, извлекающие на фондовом рынке спекулятивную прибыль, и инвесторы.
Корреляция в трейдинге
В краткосрочной торговле ценными бумагами понятие корреляции используется для прогнозирования цены некоторых активов. Суть стратегии заключается в поиске инструментов с высоким коэффициентом корреляции, но изменением котировок с некоторым лагом во времени.
В этом случае трейдер дожидается изменений цены первого актива (его называют лидером или поводырем) и совершает сделку в том же направлении по второму.
Например, на российском рынке акций таким поводырем может служить индекс MOEX Blue Chips или акции входящих в него «тяжеловесов». Бумаги многих компаний следующих эшелонов имеют с этими инструментами высокий коэффициент корреляции (более 0,9), но реагируют на изменения с ощутимым запаздыванием. В результате заключения сделок по ним во время роста лидера (длинных) или падения (коротких) можно извлечь солидную прибыль.
К сведению! Такая связь легко объяснима, поскольку именно «голубые фишки» с высокой точностью отражают состояние всего российского фондового рынка. Изменение их котировок неизменно вызывает рост или снижение интереса игроков и к акциям остальных компаний.
Корреляция для инвесторов
В инвестировании корреляцию используют при формировании и пересмотре инвестиционных портфелей в качестве инструмента для оценки активов, диверсификации вложения и хеджирования.
Таким образом, корреляция и ее коэффициент должны войти в инструментарий любого инвестора. Сложные, на первый взгляд, соотношения легко рассчитываются даже с помощью Excel. При этом правильное использование корреляции позволяет увеличить эффективность портфеля, снизить риски инвестирования и даже извлекать хорошую прибыль на краткосрочных торгах.
Подпишитесь на нашу рассылку, и каждое утро в вашем почтовом ящике будет актуальная информация по всем рынкам.
Выбираем пары акций, вычисляем корреляцию пары
Продолжение статьи на тему Парного трейдинга. Оригинал тут.
Но обо всем по порядку.
Надеюсь, подробно останавливаться на понятии КОРРЕЛЯЦИИ
не нужно, многое уже писал сам на эту тему, ну а еще есть GOOGle)))
Корреляция может быть случайной, например, когда два инструмента просто по иронии судьбы двигались за последний год очень похоже, но одна компания занимается, например, газом, а другая — мобильными устройствами, т.е. формально по корреляции на роль пары бы сгодилась, но на деле — вообще разные акции, такое как пару КАТЕГОРИЧЕСКИ ЗАПРЕЩЕНО использовать, даже в теории ( мое личное мнение ).
Позже, в других статьях, рассмотрю маркет-нейтральные портфели акций/ETF, в которых будет более двух инструментов, но это уже будет статистический арбитраж, однако методы расчетов и визуализации будут теми же.
Способов нахождения скоррелированных инструментов очень много. Попытаюсь рассказать обо всех, которые знаю и пробовал лично, а выбирает пусть каждый сам для себя, что ему удобно.
Метод первый. Microsoft Office Excel.
Нам потребуется непосредственно сам Microsoft Excel, входящий в состав Microsoft Office, версии не ниже `97. Раздел Historical Prices сайта http://finance.yahoo.com, либо любой другой ресурс, где можно получить данные хотя бы по дневным барам нужных инструментов.
После чего, полученные данные вставить в столбцыExcel файла и далее, методом перебора, используя функцию КОРРЕЛ(массив1; массив2), находить пары с корреляцией выше 90% (хех, я предупреждал, качка слушать опасно!)))).
Программисты в Visual Basic и мастера Макросов, прошу отозваться и научить получать данные прямо в файл Excel! Знаю, что это более чем возможно, ибо авторизации на сайты с данными не требуется. Ждем вашей помощи, коллеги!
Метод второй. Интернет сайты с сервисом для поиска скоррелированных инструментов.
Есть возможность строить графики пар, накладывая один на другой, либо строить спред пары:
Сервис Tree позволяет визуализировать зависимость акций, коррелирующих с искомым тикером, выглядит интересно:
Ну и небольшой бонус для ленивых — готовая таблица пар с указанием степени корреляции:
Есть возможность построить график для четырех инструментов:
К другим тематическим сайтам вернусь в следующих статьях.
Метод третий. ThinkOrSwim.
На ближайшее время ThinkOrSwim станет нашим единственным и незаменимым проводником в мир визуализации спреда пар и расчетов по рискам. Но он также оказался весьма годен для поиска коррелирующих инструментов, не без легкого шаманства, конечно.
Видео о том, как его (ThinkOrSwim) получить, опубликовал, регистрируйтесь на здоровье:
Итак, что нужно, чтобы начать использовать его как фильтр для пар акций. Первое — создать список акций, среди которых мы будем искать пару для выбранной бумаги. Для начала, нашей задачей является выбрать из списка акций, входящих в индекс SNP 500, пару (не обязательно одну) для каждой отдельной акции из индекса. Проще всего это сделать с помощью http://finviz.com.
На сайте выбираем вкладку Screener, в Index выбираем S&P 500, жмем на вкладку Tickers и получаем список акций. Для самых ленивых — готовая ССЫЛКА, нужно только копировать тикеры.
В ThinkOrSwim создаем новый Watch list и добавляем в него тикеры, как показано на рисунке:
После создания таблицы тикеров, прикручиваем фильтр отбора корреляции по всему списку:
Теперь сортируем по убыванию или возрастанию значения колонки Correlation и выбираем то, что нас интересует и так для каждого тикера отдельно. Например, захотели найти пару для акции $FCX или $LVS — вставили эти тикеры вместо $SPY.
После всего этого, каждую найденную вами пару нужно записать в файл, желательно Microsoft Office Excel, с ним работу мы еще не закончили.
В следующей статье рассмотрим способы визуализации спреда пары и начнем выбирать варианты их торговли.
Подписывайтесь на обновления на сайте, на канале в YouTube, добавляйтесь в друзья в соцсети Вконтакте и Facebook, следите за новостями!
Анализ корреляций биржевых фондов за первую половину 2020
UPDATE Анализ устарел минимум на полгода. Более свежий анализ на февраль 2021 здесь.
На Московской Бирже торгуется сейчас 44 ETF и БПИФа. Это биржевые фонды, которые держат в себе готовые специализированные портфельчики и запакованные в stand-alone акцию (будто микросервис в докер-контейнере). Эту акцию можно купить, получив долю в общем портфеле.
Для выявления связей между фондами применялись математические методы анализа временных рядов: корреляция по изменениям цен с последующей кластеризацией по расстояниям. Как известно, математика может быть нелогична и находить то, чего не существует на деле. Математика слепа к новостям, коронавирусу и красным шортам Теслы.
Есть интерактивная версия матрицы (осторожно, трафик)
Начнем сразу с результатов анализа биржевых фондов. В матрице выше — корреляции всех ETF и БПИФ, которые появились до января 2020. До 20-го года БПИФов было слишком мало, анализировать там нечего.
Корреляция в диверсификации инвестиционного портфеля
Подобная невосприимчивость и есть главный смысл диверсификации. Корреляция — это лишь формальный критерий подбора активов в диверсифицированный портфель.
Матрица корреляций красивая, но даже будучи отсортированной по цветовым блокам при большом количестве фондов весьма сложна для усваивания. Потому позовем на помощь машинное обучение, чтобы компьютер сам нашел для нас похожие фонды в матрице корреляций. Да-да, ML, о котором вы слышите из каждого утюга, наконец-то решил для нас простенькую, но очень нужную здесь и сейчас прикладную задачку.
Есть интерактивная версия дендрограммы
С виду простой график, который носит сложное название Дендрограмма. Особенность дендрограммы — чем короче линия, которая фонды соединяют, тем сильнее общие свойства этих самых фондов. Например:
Алгоритм сформировал нам 3 больших группы, включающих 7 маленьких подгрупп. Ленивому инвестору достаточно выбрать 3 фонда из больших групп, получив достаточный уровень диверсификации. Менее ленивому надо спуститься ниже и отобрать 7. Главное условие — использовать по одному фонду из группы. Дальнейшая диверсификация не будет обладать столь волшебным свойством.
Обычный студент-математик сказал бы «расходимся» уже на этом этапе. Ведь результат мы получили, осталось зайти в торговый терминал и закупиться на «полную котлету».
Но нам то нужна прикладная сторона вопроса. Что это за группы? Как они собрались? Имеют ли они реальный смысл? Вот дальше о каждой группе и поговорим.
Консервативная группа ETF и БПИФ
Долларовые облигации
| Тикер | Актив | Категория | Регион |
|---|---|---|---|
| FXRU | Облигации | Еврооблигации | Россия |
| RUSB | Облигации | Еврооблигации | Россия |
| SBCB | Облигации | Еврооблигации | Россия |
| FXMM | Облигации | Госдолг | США |
| FXTB | Облигации | Госдолг | США |
Данные фонды часто используются как замена долларовым вкладам. Фонды вкладываются в долларовые облигации (трежаря США и Еврооблигации наших компаний), получают долларовые купоны и сильно зависят непосредственно от курса доллара.
Как говорится: «процент небольшой, но зато в долларах».
Золотые фонды
| Тикер | Актив | Категория | Регион |
|---|---|---|---|
| TUSD | Все активы | Смешанный | США |
| TEUR | Все активы | Смешанный | Европа |
| FXGD | Биржевые товары | Золото | Весь мир |
Синтетическое золото от ФинЕкса и зарубежные всепогодные фонды Тинькоффа попали в одну группу. Надо понимать, что FXGD ведет себя все же иначе, чем фонды Тинькоффа, о чем говорит не сильно заметная корреляция. Подобная связь образовалась за счет наличия некоторого количества золота в БПИФах Тинькофф.
Группа акций Америки
В этой группе есть существенная аномалия в лице ETF FXCN, который инвестирует в акции Китая. Он имеет очень высокую степень несоответствия с остальными фондами американской группы.
Многие инвесторы ожидали бы, что он будет похож на фонд развивающихся рынков VTBE. Оказывается, в марте VTBE себя чувствовал в разы хуже, чем FXCN. И с тех пор даже не восстановился.
Математика подсказала, что FXCN можно расценивать как единичный и отдельно стоящий от прочих фонд. Отличный кандидат в диверсифицированный портфель без аналогов.
Фонды альфа-банка
| Тикер | Актив | Категория | Регион |
|---|---|---|---|
| AKNX | Акции | Технологические акции | США |
| AKSP | Акции | Основные компании | США |
| VTBH | Облигации | Корпоративные облигации | США |
| AKEU | Акции | Основные компании | Европа |
| FXKZ | Акции | Основные компании | Казахстан |
Было бы логично, если бы в группировке по Америке разбиение пошло по сценарию S&P против IT, но математика нашла удивительный паттерн. Произошло выделение фондов по управляющим компаниям. В одной из групп оказалось, что фонды от управляющей компании Альфа Капитала (по сути Альфа-Банка) доминируют.
Неожиданное выделение фондов Альфа Капитала в отдельную корреляционную группу наталкивает на множество вопросов. Действительно, если сравнить FXUS и AKSP, то у AKSP весной волатильность была на порядок выше. И причина может быть не в плохой работе ММ, а в банальном факте отсутствия рублевых торгов по фондам Альфа-Банка на Московской Бирже.
В группе Альфа-Банка нашлось место 2 аномалиям: VTBH и FXKZ.
Волею случая, FXKZ с января двигался очень похоже на AKSP. Похожий график наблюдается и у VTBH. Ожидать подобных совпадений в будущем явно не стоит, этому нет жизнеспособного объяснения.
Не фонды Альфа-банка
| Тикер | Актив | Категория | Регион |
|---|---|---|---|
| FXWO | Акции | Основные компании | Весь мир |
| VTBA | Акции | Основные компании | США |
| VTBE | Акции | Основные компании | Развивающийся |
| FXIT | Акции | Технологические акции | США |
| FXUS | Акции | Основные компании | США |
| SBSP | Акции | Основные компании | США |
Выше уже разобрали аномальную группу Альфы, теперь же перейдем к фондам на Америку «нормального человека».
Все фонды в этой группе ведут себя одинаково. Фонды на S&P — это самая популярная и самая изъезженная тема в финансовом мире пассивных инвесторов. FXIT оказался в группе за счет специфики своего состава — 91 акция из S&P. Рост IT провоцирует рост всего S&P, создавая сильную взаимосвязь.
Сюда же попал VTBE, который на самом деле инвестирует акции развивающихся стран, а не США. Если смотреть на графики, то VTBE и S&P падали одновременно на фоне мартовского коронавируса, а затем стремительно росли на фоне последующего QE. Но почему VTBE попал в группу к S&P? VTBE косвенно инвестирует в более чем 2600 компаний по всему миру. Подобная диверсификация сделал его достаточно устойчивым, приблизив его характеристики к S&P. Но в весной VTBE все равно проиграл FXCN.
Фонды активов России
Облигации и всепогода
| Тикер | Актив | Категория | Регион |
|---|---|---|---|
| SBRB | Облигации | Корпоративные облигации | Россия |
| SBGB | Облигации | Госдолг | Россия |
| TRUR | Все активы | Смешанный | Россия |
Удивительно, но БПИФы Сбербанка на облигации удостоились отдельной группы. В марте эти фонды чувствовали себя гораздо лучше, создавая гавань спокойных рублевых облигаций. Маркетмейкеры других фондов расширили свои спреды, увеличив тем волатильность фондов.
TRUR же попал в группу в силу инвестиционной специфики: половина его фондов инвестирована в облигации, а вторая в балансирующие друг друга акции и золота. Вот и получились очень похожие графики TRUR и SBGB.
Акции
| Тикер | Актив | Категория | Регион |
|---|---|---|---|
| FXRL | Акции | Основные компании | Россия |
| SBMX | Акции | Основные компании | Россия |
| RUSE | Акции | Основные компании | Россия |
| VTBB | Облигации | Корпоративные облигации | Россия |
| FXRW | Акции | Основные компании | Весь мир |
| FXDE | Акции | Основные компании | Германия |
Данную группу можно разбить еще сильнее. Есть подгруппа индекса МосБиржи(RUSE, FXRL, SBMX) и мировых (FXDE, FXRW). Связь FXDE и FXRW не очевидна, но динамика цен у них сонаправлена.
В группу IMOEX попал облигационный VTBB. Это удивительно, так как обычно инвесторы сравнивают VTBB с SBCB. Что вполне логично, учитывая их похожесть. Значит, VTBB попал в группировку IMOEX случайно.
Хеджирование и дюрация
| Тикер | Актив | Категория | Регион |
|---|---|---|---|
| FXRB | Облигации | Еврооблигации | Россия |
| GPBM | Облигации | Корпоративные облигации | Россия |
| GPBS | Облигации | Корпоративные облигации | Россия |
| MTEK | Акции | Технологические акции | США |
Последняя группа состоит из самых сложных для понимания фондов. Настолько сложных, что математика сама споткнулась и решила сгруппировать их отдельно.
FXRB хоть и еврооблигационный фонд, но у него присутствует валютное хеджирование в отличие от его консервативного собрата FXTB.
GPBM и GPBS имеют самую сложную для понимая обычных инвесторов инвестиционную декларацию, учитывающие процентные риски через дюрацию. По факту эти фонды не держат облигации до погашения, а в полуактивном режиме поддерживают свой состав для соответствия собственным политикам.
MTEK же фонд особенный. В отличие от остальных IT фондов в MTEK всего 10 компаний по 10% каждая. Такое распределение делает его непохожим на остальные IT фонды.
Выводы
Статистика и машинное обучение дали нам много пищи для размышлений.
UPDATE Анализ устарел минимум на полгода. Более свежий анализ на февраль 2021 здесь.
