Важно ли на пенсии уметь программировать: как Robust CVaR модель спасает капитал от банкротства там, где прочие способы инвестирования (и даже поведенческие) не помогают

Привет, Смартлаб!

Каждый долгосрочный инвестор в РФ рано или поздно сталкивается с дилеммой: как собрать портфель, который не просто обгонит инфляцию на бычьем тренде, но и выдержит фазу регулярных изъятий капитала (жизнь на дивиденды/ренту) когда рынок начинает разрывать очередными структурными шоками.

Здесь сразу напишу, кому будет интересно прочитать этот материал, дабы не тратить ваше время попусту. Мы порассуждаем о возможности выживания капитала на рынке РФ (вдруг кто-то до сих пор не верил, что это возможно) и я покажу на людской суд, как разработанная инвестиционная модель пыталась это сделать (и почему далеко не все из них могут справиться с такой задачей).

Дабы по своему решить проблему: я спроектировал сквозную инвестиционную систему на базе CVaR (Conditional Value-at-Risk). Чтобы проверить модель (и сопутствующие бенчмарки) на прочность, был написан собственный дискретный симулятор бэктестинга, который честно списывает НДФЛ 13% в конце каждого года и удерживает дивиденды в 15-дневной очереди выплат (симуляция лагов депозитария) и иными рыночными составляющими (кому интересно препарировать логику и обсудить код – добро пожаловать в репозиторий на GitHub и в подробную статью, обе ссылки я оставлю в конце текста).

Затем прогнал систему через 11 лет реальной истории рынка РФ (2015–2026 гг.) на пуле из чуть менее сотни разнородных активных тикеров Мосбиржи в трех полярных сценариях жизни инвестора. Результаты получились крайне показательными:
Сценарий 1: Разовое инвестирование (Lump-Sum)


Флагманский 0.1 prototype зафиксировал чистый CAGR 17.70% при коэффициенте Сортино 1.00 (расчет избыточной доходности велся строго относительно трека денежного рынка LQDT), превратив стартовый капитал в стабильный экспоненциальный тренд. В это же время Марковиц и трендовый Моментум-ротатор в моменты неустоячивости рыночных трендов просто рухнули под инфляционную линию.
Сценарий 2: Регулярные пополнения (DCA)


При ежемесячном инвестировании с поправкой на инфляцию модель 0.1 забирает максимум рыночного импульса, дорастая до 22.7 млн рублей и обходя классический консервативный Base CVaR более чем на 6 миллионов. К слову, все стратегии стартовали с базовых 50 тысяч рублей на счете с ежемесячными пополнениями на ту же сумму с учетом накопленной инфляции.
Сценарий 3: Фаза ренты и пенсии (FIRE)


Самый жесткий и важный тест. Инвестор ежемесячно изымает фиксированную сумму на жизнь с поправкой на инфляцию (60 тыс. рублей в месяц на старте в 2015 году – как думаете, достаточно ли это для того времени?).
Результат безжалостен: к 2025 году банкротится фанат Base CVaR (самого осторожного подхода к инвестициям), а вслед за ней в 2026 и классический Марковиц, поведенческое инвестирование (с кучей вводных эвристических условий), Uniform 1/N(равномерное распределение между всеми доступными активами), почти полностью выгорают, не выдерживая последовательных ударов 2022 и 2024 годов.
Чуть лучше дела обстоят у Random Monkey (случайная покупка с реинвестированием раз в месяц), Моментум стратегии и одной из написанных мной промежуточных моделей, сфокусированной на сохранении капитала и оправданном риске – но и они балансируют на грани и вряд ли выдержат удар, который еще может увидеть рынок в недалеком будущем.
В этот же момент разработанный робастный флагман удерживает 13.5 млн рублей остаточного капитала, а его особо рисковая ранняя модификация взлетает до 17.5 млн рублей, полностью защитив пенсию инвестора, который знал Python и не постеснялся покупать что говорит модель еще с 2015-го.

P.S. для математиков: Параллельно модель прошла краш-тест на 250 независимых случайных прогонах Монте-Карло Out-of-Sample, подтвердив математическую стабильность (до 56% чистых побед над каноническими бенчмарками со средним отрывом по CAGR в 10–12%). Если сильно интересно помочь/подсказать где же я ошибся, то исходный код инфраструктуры (парсер MOEX ISS с инкрементальным кэшированием, Parkinson волатильность, РЕПО-экстраполяция LQDT и бэктестер) я полностью открыл на GitHub, буду рад любым интересным комментариям.

Ну и чуть более детальный разбор формул и листингов кода выложил в технической статье на Хабре: habr.com/ru/articles/1082296/
Посмотреть открытый код симулятора на GitHub: github.com/markelovandrey5454-ship-it/multi-model-portfolio-backtester

Как вы защищаете свои долгосрочные рентные портфели от шоков нашего рынка? И есть ли у вас «особые знания» что помогают вам в поведенческом инвестировании (а может тут есть и те, кто используют такой же как я подход)?