По мнению Р.Даттатрейа и Ф.Фабоззи[32], использование дюрации Маколея приводит к неадекватным представлениям о закономерностях рынка облигаций. Результатом является открытие ошибочно специфицированных позиций по процентному риску и непредвиденное снижение доходности вложений в случае неблагоприятных перемещений временной структуры процентных ставок. Для обоснования своей позиции они приводят целый ряд примеров, доказывающих, что при определенной форме временной структуры процентных ставок эвристическая модель не обеспечивает решение задачи иммунизации.

Сторонники противоположной точки зрения обращаются к эмпирическим тестам, используемым для измерения изменчивости дохода при использовании эвристической модели иммунизации. Как показывают работы Платта и Тоевса[33], Галтекина и Рогальски[34], Бальбаса и Ибанеза[35], эвристическая модель иммунизации обеспечивала вполне надежную защиту инвестора от неблагоприятных сдвигов процентных ставок на рынке обязательств Казначейства США в различные периоды времени. Результаты этих тестов привели к признанию «парадокса дюрации» (duration paradox), согласно которому модель, недостаточно обоснованная теоретически, на практике обеспечивает вполне приемлемое уменьшение уровня процентного риска.

Мы полагаем, что секрет успеха эвристической модели заключается в том, что она позволяет решить главную задачу – сформировать портфель, для которого ценовой риск и риск реинвестирования являются сопоставимыми по величине и отрицательно коррелированными друг с другом. Поэтому возможности дальнейшего уменьшения уровня процентного риска за счет использования более точных моделей крайне ограничены. Однако их разработка позволяет дать более глубокое представление о механизме воздействия перемещений временной структуры процентных ставок на доходность портфелей облигаций, выделить факторы, определяющие уровень процентного риска, и оценить меру адекватности эвристической модели сложившимся рыночным условиям.

Эффективность метода устранения процентного риска, вытекающего из модели Фишера–Вейла, во многом определяется степенью соответствия между допущением о параллельном характере перемещений временной структуры и реальными сдвигами процентных ставок на рынке облигаций. Дж.Кокс, Дж.Ингерсолл и С.Росс привели весомый теоретический аргумент в пользу утверждения о некорректности ограничения класса допустимых перемещений временной структуры параллельными сдвигами[36]. Они показали, что рынок, на котором допустимыми являются только параллельные сдвиги временной структуры процентных ставок, не предоставляет инвесторам возможности систематического осуществления безрискового арбитража лишь при условии, что временная структура процентных ставок описывается квадратичной функцией вида

, (1.2.41)

где r – мгновенная процентная ставка, – волатильность фактора параллельного сдвига временной структуры процентных ставок l.

Подавляющее большинство рынков облигаций характеризуются как невозможностью систематического осуществления арбитражных операций, так и невозможностью аппроксимации временной структуры процентных ставок функцией вида (1.2.41) с высокой степенью точности. Поэтому ограничение класса допустимых перемещений временной структуры параллельными сдвигами ведет к противоречию, которое можно разрешить, лишь допустив возможность непараллельных сдвигов. Следовательно, можно заключить, что на большинстве рынков облигаций использование метода иммунизации Фишера–Вейла не позволяет обеспечить полное устранение процентного риска.

Если модель параллельного сдвига является хорошим приближением при описании реального процесса изменений временной структуры процентных ставок, то размер возможных потерь минимален. Напротив, если наблюдаемые перемещения временной структуры существенно отличны от параллельных сдвигов, то размер возможных потерь недопустимо велик.

При сдвигах временной структуры форвардных ставок, отличных от параллельного, доходность портфеля, иммунизированного по методу Фишера-Вейла, может оказаться ниже спот-ставки для срока вложений m s(m) на момент формирования портфеля. По мнению автора, особую опасность представляют такие сдвиги процентных ставок, при которых наклон временной структуры увеличивается, то есть когда краткосрочные ставки снижаются, а долгосрочные – возрастают. В этом случае падают как доходы по операциям реинвестирования денежных платежей, полученных в течение периода вложений, так и дисконтированная стоимость неполученных денежных платежей на дату окончания периода вложений, что означает одновременную реализацию ценового риска и риска реинвестирования. В результате стоимость портфеля на конец периода вложений оказывается существенно ниже ожидаемой. Размер потерь особенно велик, если денежные выплаты инвестору, обеспечиваемые портфелем, сильно распределены во времени. Напротив, доходность портфелей, поступления по которым сконцентрированы в окрестности даты окончания периода вложений, не может претерпеть существенных изменений.

Количественная оценка величины максимального падения стоимости иммунизированного портфеля на дату окончания периода вложений в результате непараллельного перемещения временной структуры процентных ставок в начальный момент времени дается неравенством Фонга-Васичека[37]. Если для любого возможного сдвига временной структуры мгновенных форвардных ставок Df(t) выполняется условие

, (1.2.42)

то стоимость иммунизированного портфеля на дату окончания периода вложений удовлетворяет неравенству

, (1.2.43)

где FV0 – стоимость иммунизированного портфеля на дату окончания периода вложений при сохранении начальной временной структуры форвардных ставок, FV* – стоимость иммунизированного портфеля на дату окончания периода вложений после перемещения временной структуры форвардных ставок в начальный момент времени.

Если допущение о параллельном характере перемещений временной структуры процентных ставок является корректным, Df(t)=l "t при любом сдвиге. Тогда , а доходность иммунизированного портфеля не может упасть ниже уровня s(m). Если же допущение о параллельном характере перемещений временной структуры процентных ставок оказывается некорректным, Df(tg)<>Df(th), , а доходность иммунизированного портфеля может упасть ниже уровня s(m). Показатель M2 определяет размер возможных потерь, которые инвестор может понести в результате непараллельного сдвига временной структуры процентных ставок, не принимаемого во внимание при выводе условия иммунизации Фишера–Вейла.

Как следует из модели Фишера–Вейла, наиболее эффективным среди всех иммунизированных портфелей является портфель с наибольшим значением показателя M2, поскольку он обеспечивает наибольшее приращение доходности вложений при параллельных сдвигах временной структуры процентных ставок. Как следует из неравенства Фонга–Васичека, наиболее эффективным среди всех иммунизированных портфелей является портфель с наименьшим значением показателя M2, поскольку он в наибольшей степени защищен от непараллельных сдвигов временной структуры процентных ставок. Таким образом, критерии оптимизации структуры иммунизированного портфеля, вытекающие из модели Фишера–Вейла и из неравенства Фонга–Васичека, являются прямо противоположными.

Диссертант считает, что поскольку неравенство Фонга–Васичека дает более глубокое и точное представление о характере процентного риска иммунизированного портфеля, инвестор, стремящийся к максимально полному устранению процентного риска, должен минимизировать значение показателя M2. Однако отказ от стратегии максимизации показателя M2 влечет за собой определенные издержки, которые выражаются в ослаблении эффекта приращения доходности вложений в результате параллельного сдвига форвардных ставок.

§1.3. Современные подходы к управлению процентным риском портфеля облигаций.

В последней четверти XX века произошли радикальные перемены, которые дали толчок развитию новых подходов к управлению процентным риском портфеля государственных облигаций. Во-первых, во многих странах мира были организованы рынки производных финансовых инструментов, в том числе и процентных фьючерсов. Появление срочных контрактов открыло перед инвесторами новые возможности по регулированию процентного риска портфелей государственных облигаций, а также поставило перед финансовой наукой проблему разработки оптимальных моделей хеджирования. Во-вторых, в математический аппарат исследователей финансовых рынков вошли новые средства моделирования: модели авторегрессионной[38] и обобщенной авторегрессионной[39] условной гетероскедастичности, нечеткие множества[40], многослойные самообучающиеся нейронные сети[41]. Использование новых математических методов позволило уточнить и улучшить решения старых научных проблем, а также открыть принципиально новые направления исследования.

До появления рынка срочных контрактов владельцы портфелей государственных облигаций могли регулировать свою подверженность процентному риску только одним способом. Он заключается в продаже части облигаций, входящих в состав портфеля, и приобретении облигаций других выпусков. После организации рынка процентных фьючерсов у инвесторов появилась вторая возможность. Открывая новые позиции на рынке фьючерсов и не меняя структуру портфеля облигаций, инвестор может существенно изменить свою подверженность процентному риску. Высокая эффективность этого метода управления процентным риском обусловлена меньшим уровнем трансакционных издержек на рынке фьючерсов по сравнению с трансакционными издержками на рынке облигаций.

Возможность создания смешанных позиций, включающих государственные облигации и процентные фьючерсные контракты, поставила перед финансовой наукой две теоретические проблемы. Первая заключается в поиске оптимальной структуры портфеля, включающего один выпуск государственных облигаций и один вид процентных фьючерсных контрактов. Вторая состоит в выработке оптимальной стратегии хеджирования, позволяющей обеспечить устранение процентного риска диверсифицированного портфеля государственных облигаций при помощи совершения операций на фьючерсном рынке.

Как показал Л.Эдерингтон[42], формирование портфеля из государственных облигаций и фьючерсных контрактов позволяет добиваться существенного снижения уровня риска. Ожидаемая прибыль по портфелю и ее дисперсия определяются условиями

, (1.3.1)

, (1.3.2)

где DMVp – изменение рыночной стоимости портфеля, DPb – изменение цены облигации, DPf – изменение цены фьючерса, qb – число облигаций, включенных в состав портфеля, qf – число открытых фьючерсных контрактов (положительное в случае продажи фьючерсов и отрицательное в случае покупки фьючерсов), sb – среднеквадратическое отклонение изменения цены облигации, sf – среднеквадратическое отклонение изменения цены фьючерса, sbf – ковариация изменений цен облигации и фьючерса.

Определим коэффициент хеджирования как , то есть как часть портфеля государственных облигаций, которая хеджируется на фьючерсном рынке. Тогда

, (1.3.3)

. (1.3.4)

Корректируя размер коэффициента хеджирования, инвестор может изменять важнейшие характеристики своего портфеля: размер ожидаемой прибыли и ее дисперсию. Предположим, что полезность, обеспечиваемая портфелем инвестору, моделируется при помощи функции

, (1.3.5)

где f>0 – параметр, отражающий склонность инвестора к устранению риска.

График функции U(k) представляет собой квадратную параболу, ветви которой направлены вниз. Максимальный уровень полезности достигается при коэффициенте хеджирования

. (1.3.6)

Если абсолютное значение математического ожидания изменения цены фьючерса мало по сравнению с его дисперсией, а стремление инвестора к устранению риска достаточно велико, при расчете оптимального коэффициента хеджирования можно использовать формулу

. (1.3.7)

Тогда основные характеристики распределения прибыли портфеля принимают вид

, (1.3.8)

, (1.3.9)

где R2 – коэффициент детерминации для изменений цен облигации и фьючерсного контракта.

Как свидетельствует уравнение (1.3.9), хеджирование вложений в облигации при помощи фьючерсных контрактов позволяет осуществить трансформацию процентного риска в так называемый базисный риск (basis risk), который обусловлен различием реакции цен облигации и фьючерсного контракта на сдвиги временной структуры процентных ставок. Эффективность защиты от риска прямо пропорциональна коэффициенту корреляции между ценами облигации и фьючерсного контракта. В случае, когда коэффициент корреляции равен единице, хеджирование позволяет добиваться полного устранения риска вложений в облигации.

Для определения оптимального значения коэффициента хеджирования k* в конкретных рыночных условиях Эдерингтон предложил оценивать параметры линейного уравнения регрессии

Pb = a +b Pf + e (1.3.10)

или

DPb = b DPf + e. (1.3.11)

Полученное значение коэффициента регрессии b дает оценку оптимального коэффициента хеджирования . При этом используется предположение, что среднеквадратические отклонения изменений цен облигации и фьючерса постоянны по времени, как и коэффициент корреляции между ними.

Это допущение выглядело вполне оправданным в конце 1970-х годов, когда исследователи финансовых рынков не располагали инструментами для моделирования многомерных временных рядов с изменяющимися статистическими характеристиками. Однако в 1995 г. Р.Энгл и К.Кронер разработали модель многофакторной одновременной обобщенной условной гетероскедастичности (MGARCH–BEKK)[43], которая предоставила возможность исследования многомерных временных рядов, характеризующихся изменяющимися ковариациями между их элементами. Д.Ватт предложил использовать эту модель для оценки коэффициента хеджирования при формировании портфеля из облигаций и процентных фьючерсов[44].

В двухфакторной MGARCH–BEKK условные дисперсии и ковариация моделируются уравнениями вида

(1.3.12)

(1.3.13)

(1.3.14)

где h11,t – условная дисперсия первой случайной переменной в момент времени t, h11,t-1 – условная дисперсия первой случайной переменной в момент времени t-1, h22,t – условная дисперсия второй случайной переменной в момент времени t, h22,t-1 – условная дисперсия второй случайной переменной в момент времени t-1, h12,t – условная ковариация первой и второй случайных переменных в момент времени t, h12,t-1 – условная ковариация первой и второй случайных переменных в момент времени t-1, e1,t–1 – ошибка предсказания значения первой случайной переменной в момент времени t-1, e2,t-1 – ошибка предсказания значения второй случайной переменной в момент времени t-1, с11, с12, с22, a11, a12, a21, a22, g11, g12, g21, g22 – параметры модели.

Используя оценки условной ковариации между изменениями цен облигации и фьючерса h12,t и условной дисперсии изменения цены фьючерса h22,t, полученные при помощи модели MGARCH–BEKK, Д.Ватт предложил рассчитывать коэффициент хеджирования по формуле

. (1.3.15)

Результаты тестирования двух различных подходов к определению оптимального коэффициента хеджирования по данным торгов на Монреальской бирже показали, что модели, использующие предположение о постоянстве дисперсий изменений цен облигации и фьючерса, а также коэффициента корреляции между ними, в среднем обеспечивают приемлемый уровень эффективности, но не справляются с задачей обеспечения защиты от процентного риска в периоды повышенной нестабильности финансового рынка. Когда конъюнктура финансового рынка приобретает неустойчивый характер, корреляция между изменениями цен облигаций и фьючерсов возрастает, а эффективность модели хеджирования Эдерингтона падает. Напротив, использование модели MGARCH–BEKK при определении коэффициента хеджирования позволяет обеспечить надежную защиту от процентного риска при любом состоянии рыночной конъюнктуры.

Другая теоретическая проблема, вставшая в связи с возникновением и развитием рынков производных финансовых инструментов, заключается в разработке модели иммунизации диверсифицированного портфеля государственных облигаций, включающего долговые обязательства с различными сроками до погашения и купонными характеристиками, при помощи процентных фьючерсных контрактов. Ее решение, предложенное Р.Колбом и Г.Гэем[45], потребовало распространения аппарата дюрационного анализа на рынок производных финансовых инструментов.

Пусть инвестор располагает портфелем облигаций, обеспечивающим денежные поступления в размере CFi через периоды времени ti, который он намерен продать по истечении периода m. Дюрация данного портфеля не совпадает со сроком вложений инвестора, поэтому он испытывает подверженность процентному риску. Этот риск можно хеджировать, воспользовавшись фьючерсным контрактом на облигацию. Пусть срок исполнения фьючерсного контракта наступает через период времени d, а денежные платежи по поставляемой облигации в размере CFj выплачиваются через периоды времени tj. Проблема инвестора заключается в определении числа фьючерсных контрактов k, которые нужно продать для устранения своей подверженности процентному риску.

Параллельный сдвиг временной структуры процентных ставок на l процентных пунктов вверх вызовет падение рыночной стоимости портфеля облигаций и понижение цены фьючерсного контракта. Размер выигрыша инвестора по короткой позиции, открытой на срочном рынке, составит

, (1.3.16)

где f(d,tj) – форвардная ставка для периода времени (d,tj).

Реинвестировав полученную вариационную маржу до момента окончания периода вложений по установившейся спот-ставке s(m)+l, инвестор получит прибыль в размере

. (1.3.17)

После сдвига временной структуры процентных ставок стоимость портфеля облигаций на конец периода вложений окажется равной

. (1.3.18)

Инвестор защищен он неблагоприятных сдвигов временной структуры процентных ставок, если прибыль (убытки) по срочным позициям точно компенсирует убытки (прибыль) по наличным позициям на рынке государственных облигаций. Для этого необходимо выполнение условия

. (1.3.19)

Дифференцируя прибыль от открытия фьючерсных контрактов и рыночную стоимость портфеля облигаций на конец периода вложений по параметру сдвига временной структуры процентных ставок l, имеем

, (1.3.20)

. (1.3.21)

Поскольку

, (1.3.22)

, (1.3.23)

. (1.3.24)

Тогда условие защищенности от процентного риска (1.3.19) можно записать как

. (1.3.25)

Деление обеих частей уравнения (1.3.25) на и позволяет получить

, (1.3.26)

где , , – дюрация портфеля облигаций, PVp – рыночная стоимость портфеля облигаций.

Отсюда число коротких фьючерсных позиций k*, позволяющее обеспечить иммунизацию процентного риска портфеля государственных облигаций, определяется по формуле

. (1.3.27)

Появление рынков процентных фьючерсов и развитие финансовой теории предоставили в распоряжение портфельных менеджеров новые способы управления процентным риском. Однако, как считает диссертант, возможность их эффективного применения зависит от целого ряда условий: степени ликвидности рынка производных финансовых инструментов, характера интеграции наличного и срочного сегментов финансового рынка, уровня надежности систем управления рисками организаторов торговли, параметров налогообложения прибыли по срочным контрактам. Поэтому только участники наиболее развитых финансовых рынков могут в полной мере реализовывать потенциал методов хеджирования при управлении процентным риском портфеля государственных облигаций.

Другая важнейшая проблема, стоящая перед теорией управления процентным риском на современном этапе, заключается в разработке модели оптимизации рискового портфеля государственных облигаций. Классическая теория формирования рискового портфеля, разработанная Г.Марковицем для случая рынка акций[46], оказалась неприменимой на рынке облигаций в силу его специфических особенностей.

Как отмечают Г.Бьервэг, Г.Кауфман и А.Тоевс[47], а также Н.Галтекин и Р.Рогальски[48], параметры совместного распределения доходностей облигаций претерпевают существенные изменения по мере сокращения срока до погашения. Поскольку течение времени оказывает различное влияние на доходности различных облигаций, ковариации между ними нестабильны, и их практически невозможно оценить по данным исторических наблюдений. Поэтому стандартный метод оптимизации рискового портфеля, основанный на использовании вектора математических ожиданий и дисперсионно–ковариационной матрицы доходностей активов, на рынке облигаций использован быть не может.

Принципиально иной подход к решению проблемы предлагает С.Рамасвами[49], рассматривающий формирование структуры портфеля облигаций как задачу многоцелевой оптимизации значений функций полезности, определенных для каждого из рассматриваемых сценариев перемещения временной структуры процентных ставок и заданных в форме нечетких множеств. Этот подход подразумевает, что в ходе управления процентным риском инвестор определяет контрольные цифры, которым должна соответствовать доходность портфеля при реализации различных сценариев будущих изменений рыночной конъюнктуры. Для сценариев сдвига процентных ставок, в реализации которых инвестор испытывает наибольшую степень уверенности, устанавливаются наиболее высокие тактические цели. Маловероятным сценариям сдвига процентных ставок ставятся в соответствие относительно низкие целевые уровни доходности вложений. Корректировка тактических целей, соответствующих различным возможным состояниям рыночной конъюнктуры, позволяет регулировать структуру портфеля в зависимости от изменений прогнозов инвестора и его отношения к процентному риску.

Как считает С.Рамасвами, предположения инвесторов подвержены частым и существенным изменениям. Вместе с ними меняются и функции полезности, отражающие степень удовлетворенности доходностью сформированного портфеля при реализации каждого из сценариев перемещения временной структуры процентных ставок. Уровень полезности, обеспечиваемый портфелем, зависит от степени достижения тактических целей, поставленных при его формировании. Инвестор заинтересован в достижении «высокого» уровня доходности при реализации прогнозируемых сценариев изменения рыночной конъюнктуры и «приемлемого» уровня доходности при прямо противоположном развитии событий. Сложности при определении «высокого» и «приемлемого» уровня доходности вызывают необходимость обращения к аппарату теории нечетких множеств (fuzzy sets).

Пусть инвестор осуществляет выбор из множества допустимых портфелей P на основе анализа S возможных сценариев перемещения временной структуры процентных ставок. Для каждого сценария с порядковым номером s степень достижения тактической цели в случае выбора каждого варианта формирования портфеля задается при помощи нечеткого множества

, (1.3.28)

где – функция принадлежности портфеля p к нечеткому множеству портфелей, обеспечивающих достижение данной тактической цели, . Тогда степень достижения всех тактических целей инвестора выражается нечетким множеством

(1.3.29)

с функцией принадлежности

. (1.3.30)

Отсюда оптимальный вариант формирования портфеля , позволяющий обеспечить максимальную степень достижения тактических целей инвестора, определяется условием

. (1.3.31)

Общую схему выбора структуры портфеля, обеспечивающего наилучшее достижение тактических целей, можно проиллюстрировать при помощи простого количественного примера. Пусть инвестор выбирает из пяти вариантов формирования портфеля на основе рассмотрения трех возможных сценариев перемещения временной структуры процентных ставок. Зададим условные значения функций принадлежности, отражающих степень достижения тактических целей, при помощи таблицы 1.3.1, в строках которой представлены различные сценарии перемещения временной структуры процентных ставок, а в столбцах – различные варианты формирования портфеля.

Таблица 1.3.1.

Функции принадлежности нечетких множеств

степени достижения тактических целей инвестора.

Сценарий	Портф1	Портф2	Портф3	Портф4	Портф5
1.Рост ставок	0.8	0.5	0.1	0.7	0.3
2.Стабильность ставок	0.5	0.9	0.3	0.8	0.6
3.Падение ставок	0.2	0.6	0.7	0.6	0.9

В данном условном примере степень достижения тактических целей в случае выбора каждого из пяти различных портфелей рассчитывается по формулам

Оптимальным вариантом формирования портфеля является четвертая альтернатива, поскольку.

Приведенный простой количественный пример не только дает наглядную иллюстрацию общей схемы решения задачи многоцелевой оптимизации структуры портфеля облигаций на базе теории нечетких множеств, но и позволяет выявить ключевые проблемы, которые необходимо решить для переложения теоретической концепции на практические рельсы. Во-первых, следует разработать методику построения сценариев перемещения временной структуры процентных ставок. Во-вторых, необходимо предложить схему задания нечеткого множества, отражающего степень достижения тактической цели при реализации каждого сценария изменения конъюнктуры. В-третьих, необходимо сформулировать математическую модель, позволяющую оптимизировать структуру портфеля на основе информации о сценариях сдвига процентных ставок, функциях полезности инвестора и параметрах облигаций, обращающихся на рынке.

Рамасвами предлагает рассматривать три группы сценариев перемещения временной структуры. Сценарии «бычьей» (bullish) группы строятся исходя из предположения о снижении уровня процентных ставок, сценарии «нейтральной» (neutral) группы – исходя из предположения о сохранении текущего уровня процентных ставок, сценарии «медвежьей» (bearish) группы – исходя из предположения об увеличении уровня процентных ставок. Экстремальные сценарии, определяющие предельные размеры сдвига временной структуры в обоих направлениях, формируются на основе минимальных и максимальных значений абсолютных приростов спот-ставок различной срочности за период времени, соответствующий сроку вложений инвестора. Для этого используется статистическая выборка временных структур за два года, предшествующих моменту формирования портфеля. Группа нейтральных сценариев включает сценарий сохранения текущего положения временной структуры процентных ставок, а также ее параллельного перемещения на несколько базисных пунктов вверх и вниз. Неэкстремальные «бычьи» и «медвежьи» сценарии располагаются в рамках интервала между сценарием сохранения положения временной структуры на прежнем уровне и двумя экстремальными сценариями. Различные «бычьи» и «медвежьи» сценарии характеризуются различным наклоном временной структуры процентных ставок.

По мнению диссертанта, методика построения сценариев перемещения временной структуры процентных ставок С.Рамасвами обладает рядом недостатков. Во-первых, она не исключает возможности формирования сценариев с отрицательными процентными ставками. Это может произойти, если текущий уровень ставок низок, а используемая статистическая выборка включает периоды бурного роста рынка. Во–вторых, она не опирается на формальную статистическую модель процесса сдвига временной структуры, что понижает степень адекватности формируемых сценариев распределению будущих состояний рыночной конъюнктуры. В-третьих, она не позволяет учитывать купонные платежи, полученные в течение периода вложений.

В модели Рамасвами степень достижения тактической цели Gs (нечеткая полезность инвестора) описывается при помощи кусочно-заданной функции принадлежности

, (1.3.32)

где hs - доходность портфеля при реализации сценария перемещения временной структуры процентных ставок s, - задача-минимум для доходности портфеля при реализации сценария s, - задача-максимум для доходности портфеля при реализации сценария s.

На участке между и график функции нечеткой полезности является прямой линией с положительным тангенсом угла наклона. Это означает, что на данном промежутке инвестор нейтрален к процентному риску: снижение уровня доходности на малую величину Dhs ведет к такому же изменению уровня полезности, что и ее увеличение на ту же самую величину Dhs. В областях и уровень полезности вообще не зависит от доходности портфеля.

Однако проблема управления процентным риском возникает в связи с тем, что большинство инвесторов стремятся к его устранению. Поэтому функции полезности большинства инвесторов строго вогнуты книзу (выпуклы вверх), а функции предельной полезности монотонно убывают с увеличением размера доходности вложений. Отсюда диссертант заключает, что функция нечеткой полезности С.Рамасвами не вполне адекватно описывает отношение к риску большинства участников рынка облигаций.

Максимизация степени достижения тактических целей управления процентным риском предполагает решение задачи многоцелевой оптимизации, поскольку каждому сценарию соответствует своя функция полезности. Стратегия выбора, предлагаемая Рамасвами, является максиминной: из всех допустимых портфелей оптимальным признается портфель, обеспечивающий наивысшую степень достижения тактической цели для наименее благоприятного сценария перемещения временной структуры процентных ставок. С учетом бюджетного ограничения математическая модель определения структуры оптимального портфеля С.Рамасвами записывается как

, (1.3.33)

, (1.3.34)

, (1.3.35)

где – доходность облигации выпуска j при реализации сценария перемещения временной структуры процентных ставок s, xj – доля вложений в облигации выпуска j в рыночной стоимости портфеля, J – число выпусков облигаций, обращающихся на рынке.

При использовании функции нечеткой полезности (1.3.32) и введении вспомогательной переменной l, отражающей степень достижения тактических целей инвестора, модель оптимизации структуры портфеля (1.3.33)–(1.3.35) сводится к задаче линейного программирования

, (1.3.36)

, (1.3.37)

, (1.3.38)

. (1.3.39)

Несмотря на недостатки, отмеченные диссертантом, решение проблемы формирования рискового портфеля государственных облигаций, предложенное С.Рамасвами, открыло новую область исследований. Оно показало, что ключевыми факторами выбора структуры рискового портфеля государственных облигаций являются сценарии перемещения временной структуры процентных ставок, собственные предположения инвестора и его отношение к процентному риску. Поэтому наиболее важные задачи теории и практики управления процентным риском портфеля государственных облигаций включают разработку генератора сценариев перемещения временной структуры процентных ставок, отвечающего специфике конкретного рынка, построение модели прогнозирования, позволяющей определять направление изменения процентных ставок, а также совершенствование методов моделирования отношения инвесторов к процентному риску.

§1.4. Развитие рынка ГКО–ОФЗ в посткризисный период.

В 1992 г. Банк России при содействии рабочей группы «Российско-американского банковского форума» (в состав которой с американской стороны вошли представители высшего управляющего состава коммерческих и инвестиционных банков, а также Федеральной резервной системы) разработал проект организации рынка государственных краткосрочных бескупонных облигаций (ГКО), который предусматривал введение нового для российской экономики финансового инструмента, по своим характеристикам схожего с американским казначейским векселем. В 1993 г. на ММВБ состоялись первые аукционы по размещению ГКО и начались вторичные торги этими облигациями. За короткий срок рынок ГКО превратился в важнейшую составную часть российского финансового рынка. Уже через год после своего основания оборот рынка ГКО составлял более 90% совокупного оборота фондовых бирж страны.[50]

Бурное развитие рынка ГКО было вызвано тем, что он предоставил инвесторам целый ряд уникальных возможностей. На ММВБ был создан ряд электронных систем, обеспечивающих полный технологический цикл эмиссии, хранения, обращения и погашения облигаций и гарантирующих операторам полноту и своевременность расчетов по сделкам. Министерство финансов, стремясь расширить объем заимствуемых средств, соглашалось на уплату процентных ставок, превышающих процентные ставки по межбанковским кредитам на аналогичные сроки, что создавало возможность осуществления арбитражных операций и обеспечивало высокий уровень доходности по среднесрочным инвестициям. В связи с тем, что при организации ряда аукционов спрос существенно превышал предложение, неоднократно создавались возможности по осуществлению спекулятивных операций, заключающихся в приобретении облигаций на аукционе и их последующей продаже на вторичном рынке и приносящих доходность до 2000–3000% годовых.

Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11