Блог им. vl451f

Формирование портфеля ВДО методом Монте-Карло. Часть 3. Итог.

В прошлой частия рассказал о том, как работает имитационное моделирование Монте-Карло и протестировал портфель из 10 облигаций. Тесты показали, что при такой диверсификации инвестор в большинстве случаев получит убыток. Это хороший результат работы, потому что он уберег меня от формирования заведомо убыточного портфеля. Сегодня я расскажу о том, до какой степени я диверсифицировал портфель и каких результатов ожидаю.

Поскольку в статье про пределы эффективности диверсификации я определил разумную долю на одного эмитента в районе 2,85…5%, то так поступил и здесь. Портфель облигаций был расширен до 25 шт, что дает долю 4% на одного эмитента. В портфель включил только облигации для неквалифицированных инвесторов и вот что получилось:

Имя   Тикер Рейтинг Лет до погашения Доходность Безрисковая Премия за риск Доля в портфеле Риск Вероятность
 успеха 
1 АРЛФ1Р01 Машиностроение RU000A10EJR5 BB+ 2.91 26% 14.1% 2.6% 4% 9% 0.91447
2 ТГК-14 1Р5 Электроэнергетика RU000A10AS02 BBB- 2. 78 23% 14.1% 1.3% 4% 7% 0.92963
3 ТЕХЛиз 1P8 Лизинг RU000A10EMJ6 BB+ 2.93 26% 14.1% 2.9% 4% 9% 0.91447
4 РКС2Р7 Недвижимость RU000A10E6S8 BBB- 2.81 29% 14.1% 7.6% 4% 7% 0.92963
5 АйДиКол1P4 Финансы прочие RU000A10BQH7 BBB- 3.13 26% 14.2% 4.3% 4% 7% 0.92963
6 Сегежа3P2R Промышленность RU000A105SP3 BB- 11.80 28% 14.3% -0.2% 4% 12% 0.87506
7 Реиннол1P4 Машиностроение RU000A10DPT0 BB- 4.67 31% 14.1% 2.4% 4% 12% 0.87506
8 ЮДПАвтО Б1 IT компании RU000A108CE5 BB+ 3.01 26% 14.1% 2.6% 4% 9% 0.91447
9 МоторТ1Р05 Машиностроение RU000A108KV2 BB- 3.16 35% 14.2% 6.9% 4% 12% 0.87506
10 СИБАВТО1Р6 Транспорт RU000A10BVF1 BB 4.17 27% 14.1% 1.7% 4% 10% 0.89641
11 УралСт1Р06 Металлургия  RU000A10D2Y6 BB- 2.01 30% 14.4% 12.2% 4% 12% 0.8751
12 ТАЛК002P04 Лизинг RU000A10E5S0 BB+ 3.77 26% 14.4% 2.1% 4% 9% 0.91447
13 CTRLлиз1Р2 Лизинг RU000A1086N2 BB- 3.00 40% 14.2% 11.7% 4% 12% 0.87506
14 АСГТРАФО-1 Прочее RU000A10DYZ9 BB 4.67 25% 14.4% -1.2% 4% 10% 0.89641
15 СибКХП 1P4 Пищевая пром. RU000A10BRN3 BB 4.13 31% 14.3% 5.5% 4% 10% 0.89641
16 ДрктЛиз2Р5 Лизинг RU000A10BUN7 BB 4.17 29% 14.3% 3.3% 4% 10% 0.89641
17 Роделен2P3 Лизинг RU000A10B2F7 BBB 3.89 26% 14.1% 5.3% 4% 6% 0.94228
18 АПРИ 2Р13 Строительство RU000A10E5C4 BBB- 3.27 24% 14.2% 2.4% 4% 7% 0.92963
19 ЭНИКА 1Р05 Прочее RU000A10A4C1 BBB 3.58 25% 14.2% 5.1% 4% 6% 0.94228
20 АСГТРАФО-1 Прочее RU000A10DYZ9 BB 4.67 25% 14.4% -1.1% 4% 10% 0.89641
21 Л-Старт 02 Лизинг RU000A10DLY9 BB 3.65 32% 14.1% 6.0% 4% 10% 0.89641
22 ПИР 1P2 Торговля RU000A108C17 BB 3.00 24% 14.1% -1.4% 4% 10% 0.89641
23 ЛТрейд1P12 Лизинг RU000A10CU97 BBB- 4.42 25% 14.1% 2.9% 4% 7% 0.92963
24 ВОКСИС-03 IT компании RU000A10BW39 BBB+ 3.19 24% 14.3% 4.5% 4% 5% 0.95276
25 АртгнБО02 Медицина RU000A10DY27 BBB- 4.67 21% 14.4% -0.6% 4% 7% 0.92963


25 эмитентов, средний срок погашения 4 года. Имитационное моделирование Монте-Карло дает следующий результат:

 

 Диапазон
доходности

До 9.0%

9-12.0%

12-14.0%

14-16.0%

16-18.0%

18-20.0%

20-22.0%

22-24.0%

24-26.0%

26-28.0%

Количество сценариев
в диапазоне

1

3

22

81

248

614

1 508

2 431

2 948

2 144

Сценарии накопитель-
ным итогом

1

3

26

107

355

969

2 477

4 908

7 856

10 000

 

Как видите, результат гораздо лучше. С результатом хуже безрисковой ставки (14%) получилось всего 26 сценариев из 10 000. То есть шансы получить доходность ниже безрисковой ставки равны:

p=1-(10 000-26)/(10 000)=0.0026=0.26%

Уже гораздо лучше, чем было!

Давайте посмотрим на график, который дает наше моделирование:

 Формирование портфеля ВДО методом Монте-Карло. Часть 3. Итог.

Приглядитесь на этот горбик в районе 22%-28% – очень похоже на гауссову кривую. Значит нужно проанализировать данные на нормальность распределения.

Введем результат моделирования YTM в программу LabPlot и запросим у нее статистический коэффициент Пирсона:

χ²-Test (P > χ²): 1

Наше распределение является нормальным и можно использовать статистический анализ.

Определим основные статистические параметры результатов моделирования: среднее и стандартное отклонение при помощи Excel:

=СРЗНАЧ(YTM)
=СТАНДОТКЛОН.Г(YTM)

Наше распределение дает математическое ожидание доходности 23,45% (вероятность получения равна 50 % по определению и стандартное отклонение (сигму) 2,75%. Иными словами, с вероятностью 95,4% доходность портфеля окажется в диапазоне плюс-минус две сигмы, то есть попадет в такой интервал: 

(r ̅-2σ)≤r ̅≤(r ̅+2σ)
И составит:
∆r=17,95%…28,95%

 

Тут правда есть один момент: по результатам моделирования максимальная доходность, при отсутствии дефолтов, составила 27,73%, что конечно же попадает в вышеуказанный диапазон, но не может достичь верхней границы интервала – сказывается дискретность данных, об этом нужно помнить. Но учитывая, что реинвестирование купонов будет осуществляться под ставку близкую, а не гарантированную к текущей YTM, то доходность портфеля можно описать вот так:

 

Формирование портфеля ВДО методом Монте-Карло. Часть 3. Итог.


Диверсификация портфеля по отраслям приведена на диаграмме ниже:


Формирование портфеля ВДО методом Монте-Карло. Часть 3. Итог.


Характеристики риска и доходности представлены в таблице ниже

Диапазон доходности до 12% 12% — 14% 14% — 16% 16% — 18% 18% — 20% 20% — 22% 22% — 24% 24% — 26% 26% — 28%
Вероятность получения
доходности
100.00% 100.00% 99.70% 98.90% 96.50% 90.30% 75.20% 50.90% 21.40%

 

Таким образом, ожидаемая доходность портфеля на горизонте трех лет составит 18-20% годовых с вероятностью 96,5%.

Все эти гипотезы и расчеты не стоят ничего, если инвестор не готов вложить деньги в свой подход, поэтому я сформировал портфель такой портфель и вложил в него реальные деньги. Посмотрим что из этого получится

Формирование портфеля ВДО методом Монте-Карло. Часть 3. Итог.

Данная публикация является личным мнением автора. Мнение владельца сайта может не совпадать с мнением автора.
576 | ★1
11 комментариев

Спасибо за материал и ислледование.

Хочу уточнить по какой пречине считаете, что не сможете повлиять на дефолтность портфеля? Например, можно убрать компании с явными проблемами или наоборот взять те, у кого всё отлично? Разве это не снизить дефолтные случаи в портфеле? 

Сергей Иваненко, потому что анализ каждого эмитента — большие трудо- и времязатраты, которые имеют смысл если размер портфеля достаточно большой. Если размер портфеля в районе нескольких миллионов рублей, то подробный анализ эмитентов экономически нецелесообразен
avatar

Invexa, вы так считаете из-за неверного допущения (моё предположение), что якобы нужно провести анализ всех компаний на рынке, но ваша цель сформировать портфель с низким шансом дефолта (относительно средней) и высокой доходностью. Вы уже определились с долями в портфеле (4% на компанию), а значит вам просто нужно найти 20 подходящих компаний. Это примерно 40 отчетов бегло просмотреть. По двадцать минут на отчет это 13,5 часов времени. Премия это разница между доходностью с дефолтами и без них. Допустим 6%. С миллиона это 60 т.р. или (60 / 13.5) ~4 500 рублей за час времени.

Крайне рекомендую посмотреть в эту сторону. stepik.org/lesson/1914875/step/1?unit=1941060

Сергей Иваненко, бегло можно только коэффициентный анализ провести, а он не отражает всех рисков. Вон, например, ЭЛЕКТРОРЕШЕНИЯ по отчетности вполне приемлемы для своей группы, но у них спор с ФНС на 2 млрд ₽, что при их чистой прибыли очень и очень много. 

Второй момент: выбор компании с хорошей отчетностью не исключает ее дефолта в будущем, увы. Пример — Монополия, у которой до августа 2025 отчетность была достаточно сильной и CFFO был стабильно положительным.

Третий момент: анализ отчетности это отдельный навык, который требует серьезной прокачки. Провести вертикальный, горизонтальный, коэффициентный и факторный анализ отчетности я могу, но вот выявлять маскировку убыточности/махинации/вывода денег — увы, пока нет; нужно изучать специализированную литературу. 

Четвертый момент: поэтому премия за анализ отчетности, ИМХО, будет не  6%, а хорошо если 2-3%.

Поэтому я для себя считаю целесообразным сосредоточиться на индексном инвестировании. 

avatar
А пробовали по методу папы карло рассчитать оптимальный портфель ГКО с июля 1996 по июль 1998?
avatar
Олег Иванов, нет, а зачем?
avatar
Invexa, а интересно, какой там прогноз доходности показало бы
avatar
Олег Иванов, прогноз доходности чего? ГКО? Он был бы равен доходности ГКО без какой-либо поправки на несистематический риск. Не понимаю что вы пытаетесь сказать.
avatar
Спасибо за статью. Есть несколько замечаний, из-за этого результат думаю будет не такой как ожидается. В таблице есть облигации с сall-опционом, скорее всего они будут погашены раньше, так же есть облигации с амортизацией и put-опционом, и если не ошибаюсь две облигации через некоторое время станут с переменным купоном.
avatar
naiveinvest, замечания справедливые. Проблема, с которой я столкнулся — у нас неожиданно маленький рынок ВДО. :( 
avatar
То, что 26 из 10000 это 0.26%, можно посчитать гораздо проще :))

Читайте на SMART-LAB:
Фото
Дешевеющая нефть поддержала Европу и иену, но доллар еще не сломлен
Нефть продолжает дешеветь во вторник: рынок осторожно закладывает в цены сравнительно спокойный новостной фон вокруг ближневосточного кризиса....
Фото
Accent объявляет SPO фонда «Акцент 4»
Accent объявляет SPO фонда «Акцент 4»   Дополнительно будет выпущено 220 тыс. паев на сумму более 300 млн рублей. Прием...
Укрепляем портфель юанем – новые облигации Норникеля
В сегодняшнем посте анонсируем выпуск наших новых валютных облигаций . Бумаги подразумевают доход, привязанный к юаню, при первичном размещении...
Конспект Мозгового штурма. Инсайды с ПМЭФа. Weekly №120
Доброго дня дорогие товарищи. Сегодня у нас был традиционный мозговой штурм. Делюсь итогами штурма и инсайдами с ПМЭФа.

теги блога Владимир

....все тэги



UPDONW
Новый дизайн