Тел.факс: +7(831)437-66-01
Факторинг  Рынок капитала 

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 [ 79 ] 80 81 82 83 84 85 86

также сказал: Хаос - легитимное новшество. Хаос - не чаша Грааля . Я бы не мог сказать лучше.

За первый год работы Мея (примерно с октября 1994 по сентябрь 1995 гг.) чистый доход TLB за вычетом гонораров составил +102.63%. Даже для бурного бычьего рынка 1995 г. это внушительная прибыль. Конечно, рано говорить, сколь долго это продлится. Однако он один из немногих практиков, действительно использующих нелинейные методы в финансовом менеджменте.

PANAGORA ASSET MANAGEMENT (БОСТОН, ШТАТ МИННЕСОТА)

Меня часто спрашивают, что я использую в своей работе. Так что при написании этой главы я проявил бы невнимательность, не обсудив практику, связанную с моей собственной фирмой. PanAgora находится в ряду других фирм, использующих количественные методы. Хотя мы были зарегистрированы в 1990 г., наше действительное существование относится к более раннему времени. В 1985 г. PanAgora оформилась как отдел Институциональных инвестиций Boston Company. Наша оригинальная модель Тактического распределения активов и акций датирована 1982 г. Отдельные составляющие этой модели восходят к началу 70-х. Нашему учредителю, доктору Ричарду Кроуэллу, в 1972 г. была присуждена премия Додда и Грэхема (Dodd, Graham), учрежденная Financial Analysis Joumal.

PanAgora управляет почти 15 миллиардами долларов. Мы также на практике используем количественные методы, но можем и отвергать их по собственному усмотрению. Мы убеждены в том, что субъективная сторона управления активами состоит в формулировании определенных моделей. Если модель надежно проверена на работоспособность, мы ей строго следуем.

Вероятно, многие будут удивлены, узнав, что наши модели основаны на линейных регрессионных методах. Моя работа в теории хаоса увеличила наши возможности моделирования с использованием стандартных методик, но мы также добавили некоторые нелинейные элементы. Мы экспериментируем с генетическими алгоритмами и нечеткой логикой, но Эта работа еще не закончена. Мы не торопимся. Применяемый PanAgora подход к решению проблем дал хорошие ре-



зультаты за последние десять лет. Поэтому любое изменение технологии должно было бы представить сверхпревосходные результаты нашей клиентуре, для того чтобы оправдать радикальные перемены. Но это не значит, что мои изыскания в области нелинейности не оказывают влияния на PanAgora. В действительности это влияние достаточно глубоко.

В большей части этой книги я подчеркивал возможность крушения многих стандартных статистических критериев. Существует возможность отбросить или принять негодную информацию по той причине, что мы приспосабливаем нелинейные данные к линейной модели. Теория хаоса и фрактальная статистика задают некий каркас для оценки наших моделей, позволяя нам увидеть пределы линейного подхода. Мало получить хорошие -статистики, корреляции или информационные отношения. Такие модели должны пробуждать интуицию и быть устойчивы к различным экономическим условиям. Можно придать значение факторам, которые имеют слабое влияние, если они дают осмысленные результаты в течение длительного времени. Можно отвергнуть статистически значимый результат, потому что его значимость зависит от верного предсказания одного большого нелинейного события. Д/5-анализ применяется к остаточной регрессии с целью выяснения, не остается ли нераскрытой в модели персистентная нелинейная структура.

Далее, существует проблема предсказательной частоты. Хаотический аттрактор для американского рынка имеет в среднем четырехгодичный непериодический цикл. Это подразумевает долговременный инвестиционный горизонт. Паккард и др. (Packard et al, 1980) показали, что можно предсказать поведение нелинейной системы с помощью линейных методов на коротких интервалах времени. В PanAgora мы прогнозируем с месячной частотой. Это означает, что мы используем месячные данные для предсказания на месяц вперед. В PanAgora мы верим, что надежный путь к созданию богатства - долговременные инвестиции. Среди нашей клиентуры - пенсионные фонды, учреждения, дарственные фонды-Наши клиенты - долговременные институты, освобожденные от уплаты налогов. Накопление богатства посредством биржевой торговли - не единственная их цель. В действительности мы уверены, что устойчивое извлечение прибылей посредством торговой активности является чрезвычайно трУД ной задачей.



PanAgora Asset Management (Бостон, штат Миннесота) 255


Рис. 16.1. Показатель Херста: 1/90-12/95.

Наконец, в наших моделях присутствуют нелинейные элементы. Следуя форме изложения, я не намерен здесь входить в детали. Но я могу сказать, что антиперсистентная природа волатильности, как показано в гл. 9, очень важна. По сути, увеличение волатильности в коротких интервалах времени является знаком увеличения неопределенности на рынке и предвещает убытки в будущем. Заметим, что это отменяет САРМ, которая утверждает, что более высокий риск подразумевает более высокие прибыли. На высоких частотах САРМ действительно пе работает. В дополнение мы используем показатель Херста в качестве сигнала. На рис. 16.1 представлен показатель Херста для месячных данных S&P 500 по 12-месячным интервалам. Этот показатель был рассчитан по тиирпчсскому закону Херста, предстаь.ченному уравнением (7.6). Как можно видеть, этот показатель изменяется во времени. Естественное состояние рынка -персистентность. Однако рынок может впадать в состояние случайности, или даже в антиперсистентность. Каждое состояние можно соотнести с состояниями, представляемыми гипотезой когерентного Рьшка Веге. И снова, в противоположность САРМ, состояние Учайного блуждания подразумевает потерю силы в экономическом росте. Это снова является знаком высокой -неопре-Делеппости на рыночной площадке. Использование волатильности и показателя Херста подразумевает, что на рынке существуют как долговременные, так и кратковременные уровни неопределенности. Когда рынок входит в одно из этих не-



1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 [ 79 ] 80 81 82 83 84 85 86