SergeyJu, принципиально тут только слово «вообще», за которое потом никто не ответил. Откланиваюсь.

Т.е. с НПФ не надо связываться вообще, а только с УК, предварительно сделав тщательный отбор. Теперь я правильно понял? Про личный опыт и отношение к скулящим я не спрашивал.

SergeyJu, угу, только рост первые 10 лет, а потом унылый боковик.
А в среднем, конечно, «все едят голубцы» 

SergeyJu, Вот и я об этом…

SergeyJu, А где гарантия, что именно те акции, которые вы выбрали, ракетой выстрелят? А может наоборот в цене упадут? А вклад гарантированный доход с договором имеет, в отличии от акций. 

SergeyJu, это около 24% годовых, по этому показателю сперва в тройку самых доходных акций Сбер поставила. Но потом убрала, т.к. за год это 5%, а вместе с дивидендами даже если, то это 16% годовых, тогда как вклад в сбербанке без нервотрепки и риска убытков 19-24% годовых. 

Т.е. за 5 лет выгодно было бы в акциях сбера держать, а 1 год в 2024 выгоднее на счету в банке. Поэтому в список с Полюсом и X5 не поставила.

SergeyJu, Сбер сперва хотела в список 3х самых прибыльных акций отнести, но потом не стала, т.к. +5,02% за 1 год это все же не сосем желаемый результат с покрытием инфляции. Дивиденды… 95 рублей за 5 лет… По моему, и они инфляцию не покрывают...

SergeyJu, сначала пишите, что «НПФ — зло и не надо с ними связываться вообще». На вопрос о вменяемой альтернативе советуете тщательнее выбирать их же. Я получил ответ на свой вопрос.

SergeyJu, разве есть вменяемая альтернатива? Речь, естественно, об обязательных отчислениях, а не добровольных.

В пакете PyPortfolioOpt это реализовано, даже более — учитывается матрица семиковариации (ковариация доходностей меньших безрисковой).
pyportfolioopt.readthedocs.io/en/latest/GeneralEfficientFrontier.html#efficient-semivariance

Причем реализация основана на относительно свежей (2019 года) статье самого Марковица et al. Он, оказывается, умер недавно, в 2023 году.
www.hudsonbaycapital.com/documents/FG/hudsonbay/research/599440_paper.pdf

Попробовал на тех же самых тестовых данных. Получилась лучшая доходность (681% вместо 650%), при более плохом Шарпе и волатильности — что неудивительно, ведь оптимизируется волатильность-вниз, а не полная волатильность.

Отлично, спасибо за идею! Я, конечно, не буду составлять портфель слепо следуя только Марковицу, но сверяться с тем, что он показывает, может быть полезно.

SergeyJu, У него еще напарник есть. Они на пару продвигают в массы сомнительную информацию. Даже канал на Ютубе раскрутили. Где сложным языком с умным видом пытаются доказывать выдуманные ими теории.

Я когда-то с большим интересом начал смотреть. А потом понял, что мне втирают какую-то дичь с постоянной подтасовкой фактов и утверждений. Стандартный пример «изобретателей вечных двигателей» и прочих лженаучных академиков. Только с добавлением обучающих курсов и семинаров для толпы доверчивых фанатов. 

SergeyJu, 

Вы можете сравнить, кстати, очень простую конструкцию. Построить портфель в котором каждый актив нормирован на собственный риск, без учета корреляций. Для простоты риск а-ля Шарп, типа СКО приращений. 

Обязательно почитаю про СКО приращения. А с Шарпом, если я вас правильно понимаю, это будет снова частный случай Марковица в случае некоррелирующих активов. Для некоррелирующих активов есть аналитическая формула оптимального по Шарпу распределения весов: весы активов пропорциональны их Шарпам. (А для минимизации волатильности — весы обратно пропорциональны квадратам волатильностей). Это звучит рационально и интуитивно понятно.

Оптимизировать Марковица по Шарпу я пробовал, у меня получился результат хуже, чем просто по волатильности (в том числе и если измерять по самому Шарпу).

В целом, из всей этой теории я извлек для себя два практически полезных факта:
1. волатильности/корреляции обычно более стабильны, чем доходности
2. распределять весы в портфеле в обратной зависимости от риска — неплохая идея

SergeyJu, спасибо, люблю ваши комментарии!

В формуле присутствует обращение ковариационной матрицы. Надо понимать, что эта операция обычно усиливает компоненты спектра матрицы, относящиеся именно к шуму.

Обращение матрицы ковариации будет тем более неустойчиво, чем матрица ближе к вырожденной, то есть чем сильнее коррелируют между собой активы. Предполагаю, такая ситуация часто возникает, например, при оптимизации портфеля, состоящего из большого количества акций одного рынка, тогда несомненно нужны методы регуляризации. В моём случае небольшого количества несильно (<0.5) коррелирующих активов вряд ли это обоснованно. 

Теория Марковица базируется на стационарности и низком шуме. В реальных условиях оценки ковариационных матриц неустойчивы. 

В моём случае, графики коэффициентов корреляции во времени с rolling window = 2 года выглядят на глазок достаточно устойчиво, но в общем случае, конечно, эта проблема есть. Можно попробовать применить байесовские методы для сглаживания шума. Или, в стиле алготрейдинга, оптимизировать параметр окна.

В общем, мне кажется, из этого метода всё ещё можно что-то выжать, если аккуратно учитывать все его недостатки и ограничения.

С другой стороны, моя изначальная цель была просто изучить основы портфельной теории, я даже не ожидал, что Марковиц «в лоб» может принести какой-то практический результат. Я также попробовал некоторые другие методы, которые есть в пакете PyPortfolioOpt, например Hierarchical Risk Parity, но вот этот простой подход показал более хороший результат на моём классе активов.

SergeyJu, оно потцреот — враг логики.

SergeyJu, нет, Центробанк независим от органов власти, и ЗВР в его распоряжении, а не у государства

SergeyJu, Государство не отвечает по обязательствам ЦБ, так же, как и ЦБ — по обязательствам государства. Так что до ЗВР Центробанка никто не до тянется ;)

SergeyJu, если нет понимания, то незачем вступать в спор

SergeyJu,  ---   до тех пор пока  я не являюсь носителем крупной власти и решателем масштабных вопросов  — обычный гражданин или не гражданин. 

SergeyJu, как вы собираетесь использовать деньги, которые вам нельзя тратить и которые вам не принадлежат ;))