Блог им. IlyaChernov_c11

Защитная функция золота рухнула с 0.7 до нуля после 2022

Этот материал не является инвестиционной рекомендацией.
Этот материал не является индивидуальной инвестиционной рекомендацией.
Этот материал не является предложением по покупке или продаже финансовых инструментов или услуг.
Вся ответственность за решения и результаты лежит на вас.

__________

До февраля 2022 года золото надёжно хеджировало рынок акций MOEX: корреляция с рынком составляла -0.70. После февраля 2022 — +0.01, практически ноль. Защитная функция исчезла. Это главный вывод обновлённого анализа диверсификации с переходом на месячные полные доходности с учётом выплат.

В новый анализ вошли 10 альтернативных активов — на три больше, чем раньше, включая впервые добавленный LQDT@MISX (фонд денежного рынка ВИМ-Ликвидность). Рыночный индекс — равновзвешенный портфель из 21 ликвидной акции MOEX с дивидендами. Период: июль 2014 — февраль 2026, 140 месяцев, волатильность рынка 20.8% годовых.

Корреляции с рынком акций

Из 10 активов только золото имеет статистически значимую отрицательную корреляцию с рынком (p = 0.002). Остальные либо не значимы, либо значимо положительны:

  1. Золото (GLDRUB_TOM@MISX): ρ = -0.313 (p = 0.002, n = 95 мес.) — единственный подтверждённый хедж
  2. Лужники (TLCN@MISX): ρ = -0.100 (n = 36) — незначимо
  3. LQDT@MISX: ρ = -0.090 (n = 73) — незначимо, но устойчиво во времени
  4. Парус-Двинцев, Парус-Нордвей, Парус-СБЛ, СФН: ρ от 0.015 до 0.214 — незначимо
  5. Парус-ОЗН: ρ = +0.309 (p = 0.020, n = 57) — значимо положительный
  6. ОФЗ (SBGB@MISX): ρ = +0.344 (p = 0.001, n = 85) — движется вместе с акциями

Защитная функция золота рухнула с 0.7 до нуля после 2022

ОФЗ снова оказались коинструментом, а не диверсификатором. На месячных данных с дивидендами корреляция золота вышла вдвое сильнее, чем на дневных ценовых (-0.313 против -0.142 в предыдущем анализе) — месячные данные убирают краткосрочный шум и показывают более чистую структуру.

Главный сюрприз: ЗПИФ подводят именно в кризис

Режимный анализ (скользящая 12-месячная волатильность, деление на трети: пороги 12.85% и 20.30% годовых) вскрыл то, что дневные данные скрывали. В прошлом исследовании ЗПИФ держались около нуля во всех режимах. На месячных данных картина иная:

Защитная функция золота рухнула с 0.7 до нуля после 2022

  1. Парус-ОЗН: при средней волатильности ρ = -0.148, при высокой ρ = +0.509. Знак меняется именно в стресс.
  2. Парус-СБЛ: при средней ρ = -0.278, при высокой ρ = +0.362. Та же картина.
  3. LQDT: при средней ρ = -0.282, при высокой ρ = -0.092. Остаётся в отрицательной зоне в обоих режимах.
  4. Золото: при низкой волатильности ρ = -0.468, при высокой ρ = -0.360. На всей выборке хедж сохраняется.

Часть ЗПИФ в спокойный рынок дают небольшую отрицательную корреляцию — и теряют её при стрессе, уходя в положительную зону. Это ровно обратное тому, что нужно от диверсификатора.

Кто лучше всего снижает риск портфеля

Минимально-дисперсный портфель из двух активов (акции + альтернатива, максимальная доля альтернативы 80%):

Защитная функция золота рухнула с 0.7 до нуля после 2022

  1. LQDT: -79.8% риска (доля 80%, вол. портфеля 5.2% годовых)
  2. Лужники (TLCN): -72.6% (доля 80%, вол. 5.7%) — за счёт сверхнизкой собственной волатильности
  3. ОФЗ (SBGB): -56.6% (доля 80%, вол. 10.3%) — работает через низкую волатильность, несмотря на положительную корреляцию
  4. Парус-ОЗН: -50.9% (доля 80%)
  5. Золото: -38.7% (доля 46.5%, вол. 14.0%) — единственный с настоящей отрицательной корреляцией

LQDT снижает риск за счёт минимальной волатильности (~1.7% годовых), а не корреляции. ОФЗ — тем же механизмом: волатильность вдвое ниже рыночной, хотя и положительно скоррелированы. Золото работает иначе: именно через корреляцию, но требует меньшей доли (46.5% против 80% у LQDT).

Золото: защита исчезла после 2022 года?

Разбивка на подпериоды показывает структурный разрыв. До февраля 2022 корреляция золота с рынком составляла -0.698 — сильнейший хедж из всех периодов. После февраля 2022 — +0.010, практически ноль. Полная выборка даёт -0.313 и статистическую значимость — исключительно за счёт докризисной истории. Spearman-корреляция составляет -0.104 против Pearson -0.313: разницу создают 6 выбросов в 2022 году (+34.1% в феврале и серия -15% — -17% в марте–июне).

Кому золото помогает, а кому нет

На тепловой карте по 21 акции видно, что золото лучше хеджирует нефтяников и металлургов: TATNP@MISX (ρ = -0.410), ROSN@MISX (ρ = -0.390), TATN@MISX (ρ = -0.387). Хуже всего — PLZL@MISX (ρ = +0.169): Полюс сам является прокси на золото, добавлять золото к этой позиции бессмысленно.

Защитная функция золота рухнула с 0.7 до нуля после 2022
На мой взгляд, главное открытие этого анализа — именно золото. На полной выборке оно всё ещё показывает значимую отрицательную корреляцию (ρ = -0.313, p = 0.002), но этот результат целиком обеспечен докризисным периодом: с 2022 года защитная функция исчезла. ЗПИФ, в свою очередь, оказались условно-защитным активом с переменным знаком — в спокойный рынок немного помогают, при стрессе синхронизируются с акциями. Единственный инструмент, стабильно снижающий риск в любом режиме — LQDT.

Практический вывод

  1. Если нужно предсказуемо снизить риск — LQDT@MISX: -79.8% волатильности при 80%-й доле, стабильно в любом режиме волатильности.
  2. Если нужен хедж через отрицательную корреляцию — золото (GLDRUB_TOM@MISX, и помним про PLZL): работает на полной выборке, но с 2022 года защитная функция исчезла. Держать в уме при формировании позиции.
  3. ЗПИФ недвижимости имеют смысл в портфеле, но не как страховка от падения: в периоды стресса они коррелируют с акциями сильнее, чем в спокойный рынок.

А вы держите ЗПИФ в роли диверсификатора? Как они вели себя в вашем портфеле в периоды просадок — держались или падали вместе?

Ставьте плюс, если полезно. Подписывайтесь, чтобы не пропустить следующее исследование в серии.

416
21 комментарий
>>с 2022 года защитная функция исчезла
Очень контринтуитивный вывод, явно где-то что-то пошло не так
avatar
phan, предложите проверку
avatar
Ilya Chernov, Да она на поверхности — уровни moex и gldrub_tom за 2022 и 2026, первый где-то там же, второй в два с лишним раза выше. Я понимаю что корреляция работает не в лоб, но всё же как то странно получается
avatar
phan, в моем эксперименте происходят ежемесячные покупки. За четыре года их было 4 * 12 = 48. Поэтому судить только по уровню может быть не показательно.
avatar
phan, индекс мосбиржи (полной доходности) вырос на 56%, а золото выросло на 70% с начала марта 2022 года. Потому и странно получается, надо правильные данные брать
Игорь Панин, А для вы взяли за току отчёта мартовский пик, чтобы доказать свою предвзятость или что?
avatar
phan, потому, что автор поста исследует период с начала марта 2022 года. Именно поэтому, я и взял цены активов, начиная с марта 2022 года. Это единственная причина. А вообще, исторически, золото показало самую высокую доходность (так уж получилось).
Игорь Панин, Понял, исследование вроде правильное, но некорректное из-за выбора точек входа и разряженного ряда. Поэтому и подскользнулись на колдобинах.
Вообще применять формулы на точках перегиба всегда плохая идея, гидродинамика с их производными и делением на ноль и так страдает, зачем сюда это тащить.
avatar
phan, да, в финансовой математике всегда какая-то жопа 😂
С одной стороны, прогнозы и результаты point-to-point очень не информативны.в зависимости от выбора точек часто получается какая-нибудь фигня наподобие: Рубль самая крепкая валюта, рекордный рост биткойна и тд (так часто делают кликбейтные заголовки). Ладно, как и в этом посте (чего уж там) 😁

С другой стороны, есть соблазн отбрасывать выбросы Вообще (как например февраль-март 2022 года). Тогда математика получается куда лучше, но дальше от реальности (наблюдений), тоже плохо. Например, коэфт корреляции Пирсона, вроде бы, неустойчив к аутлаерам, что и приводит к скачкам в динамике, Но если все сгладить и убрать, получим модель, которая их вообще не моделирует 😅

И вообще, экономика — не наука 🍻

Вы занимаетесь гидродинамикой?
Игорь Панин, Нет, просто по интситуту помню что там сложнейшие вычисления, но срыв потока на конце лопатки в конечном итоге всё равно перепроверяется в реальных тестах.
В данном исследовании можно же было просто стартануть с нейтральной даты 01.01.2022 и тогда ничего в логике математики не взорвётся
avatar
phan, а я учился на Аэромеханике и Летательной Технике, кафедра физики полета… вьетнамские флешбеки 
Это всё опять измерение шума на небольшой дистанции. По месяцам — всё ещё слишком мелко. Ну и цель то в чём? Найти состав портфеля, который на дистанции даёт наименьшую просадку, или наибольший кальмар, шарп и т.п.? Тогда насколько измерение корреляции тут методологически обосновано? Может проще взять портфели с разным рандомным составом, штук 1000, прогнать на истории и показать 10 лучших составов по интересуемым метрикам. Ну и если уж добавляем золото в портфель, то историю надо сразу надо увеличивать до 30+ лет, т.к. золото — хэдж от больших и глобальных кризисов, от войны, инфляции.

Михаил Михалёв, кхм...

Отвечу за автора 

1. Это всё опять измерение шума на небольшой дистанции.

Это измерение динамики коэффициентов корреляции на практически максимально возможном перироде по российскому рынку- с июля 2014 года (с учетом доступности данных)

2. По месяцам — всё ещё слишком мелко.

Не мелко, а даже, может быть, слишком крупно. Возможно, для лучшей оценки корреляций, стоило даже взять дневные данные. Но это вопрос методологии, в-принципе, оценивать годичную корреляцию по 12 месяцным данным нормально. Если вы возьмете более крупный таймфрейм (какой, кстати, вы предлагаете?) — то вообще не сможете оценивать корреляции 

3. Ну и цель то в чём? Найти состав портфеля, который на дистанции даёт наименьшую просадку, или наибольший кальмар, шарп и т.п.?

Цель- измерение исторических корреляций между различными классами активов и изучение динамики

4. Тогда насколько измерение корреляции тут методологически обосновано?

Для цели, которую вы придумали? Полностью обоснованно, можно решить задачу, как методом Монте-Карло, так и с помощью портфельной оптимизации с помощью корреляций. Это стандартный подход в портфельной теории Марковица к решению задачи.

 5. Может проще взять портфели с разным рандомным составом, штук 1000, прогнать на истории и показать 10 лучших составов по интересуемым метрикам.

Это прекрасная возможность написать статью, если вас интересует именно эта задача, я с удовольствием прочту! 

6. Ну и если уж добавляем золото в портфель, то историю надо сразу надо увеличивать до 30+ лет

Невозможно найти данные по российскому рынку за 30+ лет. НИ по акциям, ни, тем более, по фондам недвижимости и денежному рынку

Если вы напишете пост по этой теме, буду рад прочесть 

Игорь Панин, «Цель- измерение исторических корреляций между различными классами активов и изучение динамики» — это не конечная цель, а промежуточная. Практическое применение то этого исследования какое? Отвечает ли исследование на вопрос о том, какой нужен состав портфеля, чтобы на дистанции X иметь доходность Y с максимальнйо просадкой Z?

Михаил Михалёв, если это ваша конечная цель, во-первых, это не означает, что такая цель у автора. Во-вторых, прийти к такой конечной цели за один или даже несколько постов не возможно, тема очень широкая.

И в-третьих «на дистанции X иметь доходность Y с максимальнйо просадкой Z». Строго говоря, портфельная теория не может ответить на этот вопрос. В рамках теории имеет смысл говорить о вероятности достижения некоторой просадки на указанной дистанции. Например, о том, что с вероятностью 95% просадка не привысит такую-то величину (скажем, 30%), но не о максимальной просадке.

Более того, оценка просадок- самая слабая часть портфельнывх моделей в-принципе, так как разпределение колебаний цен никогда не бывает Нормальным (гауссовым) и хвосты распределения никогда не удается нормально смоделировать на практике, туда попадает 1% точек, по которым степень отклонения от нормальности оценивается весьма плохо.

Плюс, даже с учетом моделирования отклонения от нормальности (скажем гамма-распределением), остается такой эффект, как correlation drift, когда корреляции между активами зависят не только от времени, но и от направления движения рынка (на падающем рынке корреляции возрастают). И этот эффект оценивается также плохо и приводит к недооценки максимальных просадок (дополнительно с первым эффектом).

В рамках портфельной теории имеет смысл ставить вопросы о риске и доходности, а вот максимальная просадка оценивается с большой погрешностью. 

Игорь Панин, Ну ок, тогда «на дистанции X иметь отношение доходности к максимальной просадке в заданном интервале с заданной вероятностью». Сути не меняет -  до практического применения далеко. Однако, должен выразить респект автору за то, что прислушивается к комментариям. В тот раз корреляции были вообще на днях и я там в комментах объяснял почему имеет смысл исследовать на кварталах или даже годах. Характерно-показательно, что результаты получились совсем другими на более крупном таймфрейме:) И да, корреляция плавает, но не из-за направления рынка, а в первую очередь зависит от фазы рынка, поэтому я и предлагаю вариант массовой симуляции портфелей разного состава, потому что корреляция на длинной истории игнорирует усредняет фазы рынка.
Михаил Михалёв, хорошо, напишите свой пост с исследованием, буду рад почитать и будет что обсудить 
Игорь Панин, Пока что другие приоритеты, но интересен состав идеального вечно зелёного портфеля.

Михаил Михалёв, прошу прощения, если сегодняшний диалог выглядел как наезд. Цель была не в этом. 

Посидел сегодня и написал первую версию оптимизатора портфелей.  Пока потестил его на 2х активах — MCFTR (акции) и RGBITR (облигации), хотя работает и на произвольном количестве активов.

Написал модуль на питоне, что он умеет на текущий момент:

1. Строить корреляционные и ковариационные матрицы и красиво их рисовать (за произвольный указанный период времени)

2. Решать задачу поиска портфеля с наименьшим риском или наибольшим коэффициентом шарпа 

3. Строить кривую оптимальных портфелей (минимальный риск при каждой заданной доходности)

Метода оптимизации на текущий момент 2- численный по матрице ковариаций и монте-карло.

Завтра постараюсь дособрать все в нормальный модуль и залить в проект на гитхабе (возможно с примерами и документацией)

Думаю добавить симуляции Монте-Карло для рассчета просадок и рисования картинок по ожидаемым риску и доходности (может быть, если будет настроение)

Что еще стоит добавить? 

… Ой да, блин, он весь на английском… но я не думаю, что это большая проблема 


Игорь Панин, Я сегодня примерно похожим делом занимался: симуляция множества слабокоррелированных стратегий на одном депозите.





Так, опять тут люди с гениальными предложениями, вместо комментариев по методологии, но ладно, не будем об этом 

Поздравляю с еще одним постом 

Единственное, что прокомментирую по методологии, все-таки при анализе портфеля из различных активов стоит смотреть не только на риск (как я понимаю, стандартное отклонение), но и на доходность.

Понятно, что депозиты или фонд ликвидности будут наиболее защитным активом, если взять в портфель 100% фонда ликвидности, то стандартное отклонение будет около 0 (не совсем, учитывая, что ставка денежного рынка менялась в течение периода), но вопрос в том, какая будет доходность портфеля.

Сейчас быстренько прикину, чтобы не быть голословным (возьму данные с июля 2014 по декабрь 2025, свежее у меня под рукой нет):

Доходность Акций 11.57% годовых, стд (20.2%)

Доходность Золота 17.29% годовых, стд (24.27%)

Депозитов (вместо фонда ликвидности) 9.15% годовых, стд (1.38%)

Если взять взвешенные портфели, то получим:

80% депозитов+ 20% акций — доходность 9.7% при стд 6.0%

50% золота + 50% акций — доходность 14.9% при стд 15.4%

В общем, действительно, фонды ликвидности обеспечивают наилучшую защиту от риска, но важна еще и доходность портфеля.

Поэтому, больший смысл с точки зрения инвестора имеет задача минимизации риска при максимизации доходности.

Решается она обычно так, для каждой возможной доходности находят структуру портфеля (массовые доли активов), которая минимизирует стандартное отклонение. И получают кривую зависимости риска от доходности портфеля (с соответствующими весовыми коэффициентами для активов). ЧТобы инвестор мог выбрать интересующую его доходность и соответствующий уровень риска.

А в остальном все неплохо 


Читайте на SMART-LAB:
Фото
Скринер на сетках с открытым кодом. Автосетка с фильтром щитков и ранжированием общего направления рынка. Сетки #19
В публичную сборку добавлен новый сеточный робот, cпециально созданный для ловли ложных пробоев вниз в неликвидных бумагах, когда основной...
🖥 Ростелеком: в ожидании выхода "дочек"
Интернет-провайдер отчитался по МСФО за 4 квартал и весь год   Ростелеком (RTKM) ➡️ Инфо и показатели     Результаты за 4 квартал —...
Российский рынок закрывается ниже нуля
Торги 26 февраля стартовали в символическом плюсе, затем рост сменился снижением. К последнему часу основной сессии номинированный в рублях индекс...
Фото
Какие юаневые облигации можно приобрести на фоне ужесточения бюджетного правила?

теги блога Ilya Chernov

....все тэги



UPDONW
Новый дизайн