Примітка - Подумайте; зміни дієти; для підвищення гнучкості управління

Подібно до примх погоди, дедалі різкіші ситуації на ринку та інші "шторми на фондовому ринку" проявляються як стільки раптових зривів у тенденціях. Підвищена нестабільність рівнів ризику не відповідає довгостроковому баченню, яке досі панувало в управлінні інституційними портфелями ...

подумайте

Подібно до примх погоди, дедалі різкіші ситуації на ринку та інші "шторми на фондових ринках" проявляються як стільки раптових зривів тенденцій. Підвищена нестабільність рівнів ризику не відповідає довгостроковій думці, яка досі переважала в управлінні інституційними портфелями. Тепер це повинно враховувати спадкоємність різних «ринкових режимів» як ключового елементу управління ризиками.

1. Що таке зміна ринкового режиму?

Фінансові кризи є частим нагадуванням про те, що фінансові ринки можуть виглядати дуже по-різному, а зміни можуть бути дуже швидкими. Зміна режиму ринку можна визначити як перерву між двома станами/фазами стійких ринків, аналогічно фазовим змінам, що спостерігаються у фізиці (газ/рідина/тверда речовина).

Слід зазначити, що ми розглядаємо себе тут виключно з точки зору поведінки ринків і, отже, тенденцій, що впливають на рівень їх оцінки, а не на макроекономічному чи суворо циклічному рівні. Використовуючи цитовану вище аналогію, ми іноді бачимо, що певні ринки можуть швидко «замерзнути» (втрата ліквідності), коли підвищується неприязнь до ризиків інвесторів (перепади температури); це особливо було наприкінці 2008 року на ринках корпоративних облігацій. На наступному малюнку ми також спостерігаємо, що волатильність фондових ринків може змінюватися від однієї до подвоєної за дуже короткий час. Крім того, зв'язки між ринками можуть різко змінюватися (рис. 1).

Таким чином, кореляція зростає і наближається до 1 під час явищ зараження на фондових ринках [1]. Вони також можуть знизитися до -1 під час явищ роз'єднання [2]: наприклад, "політ до якості" наприкінці 1998 р. [3], проілюстрований на малюнку 2, і нещодавнє роз'єднання німецьких тарифів з периферійними ставками у 2012 р. (Рис. 3) ...

Зміни режиму проявляються через мінливість та кореляцію, як ми щойно переконалися, а також через результативність та джерела ефективності класів активів. Таким чином, зараз добре встановлено, наприклад, що коли неприязнь до ризиків інвесторів залишається високою, стратегії пайових операцій з низькою волатильністю перевершують ринки акцій, коли повертається оптимізм, стратегії вартості також виявляються більш позитивними.

Як бачимо, це складне явище, прояви якого можуть бути множинними.
Прогнозування виникнення або виявлення реальності зміни режиму є справжньою проблемою для кращого калібрування та управління ризиком у портфелях.

2. Чому піклуються про зміни дієти?

Ми були зацікавлені в понятті змін режиму ринкового фінансування ще в 1997 році з кількох причин:

  • Численні фінансові кризи, що відбулись у 1990-х роках, підкреслили важливі зміни в поведінці ринків, зокрема крах облігацій 1994 року та азіатську кризу 1997/1998 років.
  • Гауссові моделі вже широко критикувались, оскільки вони не враховували "лептокуртичність" (хвости розподілу) розподілу ймовірностей досягнутих результатів: крайні ризики нехтували або недооцінювали.
  • Географічна диверсифікація (акції чи ставки) часто показувала свої межі: більшість часу було невтішним, коли це було найбільше потрібно ... Пізніше навіть згадувався "міф про диверсифікацію".
  • Ми вирішили розробити інструменти підтримки прийняття рішень, щоб допомогти нам визначити розподіл між активами. Тому вкрай важливо моделювати невизначеність якомога вільніше, щоб мати можливість відповідати вимогам управління, заснованого на повному контролі ризиків.

Першим конкретним застосуванням стала розробка власної моделі розподілу активів, яка враховувала прогнози зміни режиму (кінець 1998 р.) І яка узагальнювала модель Марковіца. Метою було визначити декілька сценаріїв ймовірності, щоб розглянути альтернативи центральному сценарію, навіть якщо їхні ймовірності залишались незначними, щоб не дивуватися у разі розвороту на ринках. По-друге, для того, щоб додати гнучкості в управлінні, ми взяли на себе зобов'язання оцінити "терміни" змін режиму (виявлення) з метою вдосконалення наших інструментів підтримки прийняття рішень. Ці розробки нарешті змусили нас збагатити певні методи страхування портфеля, беручи до уваги точки руйнування ринкових режимів.

3. Як змоделювати невизначеність з урахуванням змін режиму?

Поняття зміни режиму виходить далеко за межі фінансової сфери. Над цією концепцією було проведено чимало академічних робіт з різних дисциплін, що означає, що сьогодні існує досить важлива теоретична база. Таким чином, це було ключовим питанням у телекомунікаціях у 1980-х рр. [4]: ​​дослідники обробки мовлення потім протестували нові моделі, що називаються "прихованими моделями Маркова", що дозволило врахувати перерви в сигналах, що походять від мови. Це також ключове питання при обробці зображень (сегментація, розрізнення текстур). Економетрики також все більше цим цікавились ... Потім ДжеймсД. Гамільтон, професор Каліфорнійського університету, зібрав усі ці дослідження в 1994 році у своїй знаковій книзі [5] "Аналіз часових рядів", PrincetonUniversity Press. З цього моменту ця робота називалася "Переключення марківських моделей", і інформація поширювалась майже в усіх університетах світу.

Ці моделі дають змогу моделювати процеси ціни активів (загальніше сигнали) з декількох розподілів ймовірностей, що характеризують кожен режим, переходи якого обумовлені реалізацією дискретної випадкової величини (режим 1, 2 тощо). У будь-який час існує ненульова ймовірність того, що процес у наступному періоді залишиться в тому ж режимі, інакше він зміниться. Ці ймовірності переходу можуть бути постійними або залежати від інших змінних.

Ці моделі також дають можливість побудувати реалістичні розподіли ймовірностей, які інтегрують реальні зміни режиму: ці закони можуть бути мультимодальними та "лептокуртичними", як показано на малюнку 4, що дає можливість реагувати на класичні атаки на межі законів Гауса.

Крім того, ці підходи дозволяють дуже легко моделювати явища зараження та роз'єднання класів активів, що є важливим для врахування в моделях розподілу активів ... (пор. [2]).

Ми мали ключ до прийняття реалістичних інструментів підтримки прийняття рішень, які можуть допомогти нам змоделювати більше "невизначеності". Для нас залишалася одна основна складність: калібрувати ці моделі, щоб вони максимально «відповідали» реальності. Оскільки калібрування моделей ближче до мистецтва, ніж до науки, ми не застосували методи наукової літератури (історичний підхід) і обрали прості, надійні та прагматичні методи, які інтегрують прогнози економістів та менеджерів (перспективний підхід).

4. Як виявити точки руйнування ринкових режимів?

Показник кредитної дії:

Показник Credit-Equity базується на існуванні зв’язків між кредитним та фондовим ринками протягом усього економічного циклу:

  • під час спаду надмірна заборгованість створює навантаження на кредит і штовхає запаси;
  • на етапі відновлення консолідація бухгалтерських зобов'язань штовхає кредит вгору, а потім акції. Показник будується шляхом спостереження довгострокових тенденцій на світових індексах, репрезентативних для обох ринків.
    Він надсилає попередження, коли одночасно виявляється напруга в кредиті та акціях (рисунок 5).

Індикатор курсу:

Метою показника є виявлення та дотримання основних тенденцій в Бунді з метою відновлення максимальних показників класу з фіксованим доходом, коли він є бичачим, та обмеження збитків, коли він є ведмежим. У режимі "польоту до якості" (роз'єднання, що характеризується високою волатильністю та негативною кореляцією курсу/власного капіталу), сигнал позиціонується за курсами за замовчуванням.
У "звичайних" умовах набір показників використовується для позиціонування експозиції між Eonia (підвищенням ставки) та ставками відповідно до тенденції, що спостерігається на leBund. "Задній тест" показника (рис. 6) проводився шляхом позиціонування на Бунді, коли сигнал є сприятливим ("політ до якості" або нормальний режим із тенденцією до зростання на Бунді), а в іншому випадку на Еонії.

Ми бачимо, що показник допомагає уникнути зміни ставок (1994, 1999 або 2006), але продовжує рости показники (асиметрія стратегії).

Ці показники забезпечують цікаву інформацію, щоб зробити управління більш гнучким, коли ринкові режими є стійкими (більше 3 місяців). Вони не підходять для швидкого чергування режимів “Risk ON/Risk OFF”. Для швидших змін комісія за транзакції стає визначальною.

5. Зміни дієти та гнучкість

В управлінні активами нам часто доводиться приймати рішення "в непевному майбутньому". Використання моделей дозволяє структурувати цю невизначеність: вони дають нам велику свободу у моделюванні випадковості і дозволяють охопити багато гіпотез, пропонуючи в цілому можливість розгортання набагато більш гнучких процесів (попередня гнучкість). Таким чином, краще врахування невизначеності дозволило нам розробити, розробити та дотримуватися власної моделі розподілу активів із декількох сценаріїв, яка може забезпечити розподіл, який по суті є дуже гнучким.

Розробка показників для виявлення точок руйнування оснащує управління портфелями ефективними інструментами захисту.

Незабаром ми покажемо, що ми можемо значно вдосконалити методи страхування портфеля, поєднавши їх з хорошими показниками зміни режиму. Цей кращий розгляд показників дозволив нам розробити, розробити та наслідувати власну модель захисту портфеля, яка також дозволяє нам додати гнучкість у наші процеси управління (ex post гнучкість). Нарешті, саме регулювання також суттєво надає великого значення явищам змін ринкових режимів. Це особливо стосується Директиви про платоспроможність II, яка закликає інвесторів докласти значних зусиль для моделювання ризиків. Як бачимо, поняття змін режиму дедалі більше присутнє у відображеннях Place, воно є частиною постійних осей досліджень CPR AM. Попередні події не мають інших амбіцій, крім як окреслити короткий вступ до теми широта якого вимагає постійного моніторингу та оновлених роздумів з огляду на його поперечність.

[1] Підводні камені у тестах на зміни кореляцій, Бойєр, Гібсон, Лоретан, 1997 р., Рада керуючих Федеральної резервної системи.

[2] Розв’язка, Les gulko, 2002, журнал управління портфелем.

[3] Емпіричний аналіз польоту до якості від акцій до облігацій, Ебрагім Шафік, 2000 р., Банк Канади.

[4] Підручник з прихованих моделей Маркова та вибраних додатків у розпізнаванні мови, Рабінер Лоуренс, 1989 р., Збірник IEEE.

[5] Аналіз часових рядів, Дж. Д. Гамільтон, 1994, Прінстонський університетський прес.