Долгосрочный прогноз доходности Глобального рыночного индекса (GMI) в январе оставался стабильным на уровне более 7%, в то время как 10-летний индекс бенчмарка резко вырос в прошлом месяце, превысив 10%. Разрыв почти в три процентных пункта между высокими результатами и относительно умеренным прогнозом необычно велик. Этот разрыв говорит о том, что инвесторам следует снизить ожидания относительно перспектив глобально диверсифицированных портфелей в ближайшие годы.

GMI — это рыночно-взвешенный микс основных классов активов (за исключением денежных средств) через прокси ETF. Сегодняшний прогноз рассчитывается как среднее значение трёх моделей (определено ниже). Текущая годовая оценка GMI в 7,3% не изменилась по сравнению с январской оценкой, но остаётся значительно ниже текущей годовой доходности в 10,1%, которую GMI обеспечивал за последнее десятилетие.

После сильного роста на нескольких рынках и в недавних классах активов, почти половина компонентов GMI, по прогнозам, будут приносить доходность, которая ниже результатов за последние десять лет. То же самое касается GMI, которая, по прогнозам, принесёт значительно более мягкую доходность по сравнению с результатами в течение последних десяти лет до января.

GMI представляет собой теоретический ориентир для «оптимального» портфеля, подходящий для средний инвестор с бесконечный Временной горизонт. Соответственно, GMI полезен как Отправная точка Для настройки распределения активов и дизайна портфеля с учётом ожиданий, целей, устойчивости к риску и т.д. конкретного инвестора. История GMI показывает, что показатели этого пассивного бенчмарка будут конкурентоспособны по сравнению с большинством активных стратегий распределения активов, особенно с учётом риска, торговых издержек и налогов.

Вероятно, что некоторые, большинство или, возможно, все приведённые выше прогнозы в той или иной степени окажутся неверными. Однако прогнозы GMI, как ожидается, будут несколько более достоверными по сравнению с оценками его компонентов. Прогнозы для конкретных рынков (акции США, сырьевые товары и т. д.) подвержены большей волатильности и ошибкам отслеживания по сравнению с агрегированием прогнозов в оценку GMI, что может со временем снизить часть ошибок.

Другой способ рассмотреть приведённые выше прогнозы — использовать оценки как базу для уточнения ожиданий. Например, приведённые выше точечные прогнозы можно скорректировать с помощью дополнительного моделирования, учитывающего другие факторы и модели, не используемые здесь. Также рекомендуется адаптировать портфели под конкретного инвестора с учётом устойчивости к риску, временного горизонта и так далее.

Для представления о том, как реализованная общая доходность GMI менялась со временем, рассмотрите послужной список эталона на скользящей 10-летней годовой основе. График ниже сравнивает показатели GMI с ETF, отслеживающими акции и облигации США по состоянию на прошлый месяц. Текущая доходность GMI за последние десять лет — впечатляющие 10,1%, что является стремительным показателем, который является самым высоким темпом за всю историю.

Вот краткое описание того, как формируются прогнозы и определения других метрик в таблице выше:

BB: Модель строительных блоков использует исторические доходности как прокси для оценки будущего. Использованный выборочный период начинается в январе 1998 года (самая ранняя доступная дата для всех перечисленных выше классов активов). Процедура заключается в расчёте премии за риск для каждого класса активов, вычислении годовой доходности и добавлении ожидаемой безрисковой ставки для формирования прогноза общей доходности. Для ожидаемой безрисковой ставки мы используем последнюю доходность по 10-летним казначейским облигациям, защищённым инфляцией (TIPS). Эта доходность считается рыночной оценкой безрисковой, реальной (с учётом инфляции) доходности для «безопасного» актива — Эта «безрисковая» ставка также используется для всех моделей, описанных ниже. Обратите внимание, что модель BB, используемая здесь, (в условной степени) основана на методологии, изначально разработанной компанией Ibbotson Associates (подразделение Morningstar).

Эквалайзер: Модель равновесия реверс-инжиниринг ожидаемой доходности с точки зрения риска. Вместо прямого прогнозирования доходности эта модель опирается на более надёжную схему использования метрик риска для оценки будущей эффективности. Этот процесс относительно надёжен в том смысле, что прогнозировать риски немного проще, чем прогнозировать доходность. Три входа:

* Оценка ожидаемой рыночной цены риска для общего портфеля, определяемая как коэффициент Шарпа, который представляет собой отношение премий риска к волатильности (стандартное отклонение). Примечание: «портфель» здесь и во всём диапазоне определяется как GMI

* Ожидаемая волатильность (стандартное отклонение) от каждый актив (рыночные компоненты GMI)

* Ожидаемая корреляция для каждого актива относительно портфеля (GMI)

Эта модель оценки равновесной доходности была впервые изложена в статье профессора Билла Шарпа 1974 года. Для краткого содержания см. объяснение Гэри Бринсона в главе 3 книги «Портативное MBA в инвестициях». Я также рассматриваю эту модель в своей книге «Динамическое распределение активов». Обратите внимание, что эта методология сначала оценивает премию за риск, а затем добавляет ожидаемую безрисковую ставку для получения прогнозов общей доходности. Ожидаемая безрисковая ставка описана в BB выше.

ADJ: Эта методология идентична модели равновесия (EQ), описанной выше За одним исключением: Прогнозы корректируются с учётом краткосрочного импульса и долгосрочных коэффициентов среднего возврата. Импульс определяется как текущая цена относительно следящей 12-месячной скользящей средней. Средний коэффициент возврата оценивается как текущая цена относительно следящей 60-месячной (5-летней) скользящей средней. Равновесные прогнозы корректируются на основе текущих цен относительно 12-месячных и 60-месячных скользящих средних. Если текущие цены выше (ниже) скользящих средних, нескорректированные оценки премий риска уменьшаются (увеличиваются). Формула корректировки — это просто обратное значение среднего текущей цены к двум скользящим средним. Например: если текущая цена класса активов на 10% выше 12-месячной скользящей средней и на 20% сверх 60-месячной скользящей средней, нескорректированный прогноз уменьшается на 15% (среднее 10% и 20%). Логика здесь такова: когда цены относительно высокие по сравнению с недавней историей, равновесные прогнозы снижаются. С другой стороны, когда цены относительно низки по сравнению с недавней историей, прогнозы равновесия увеличиваются.

Среднее: Этот столбец представляет собой простое среднее из трёх прогнозов для каждой строки (класса активов)

10 лет на пенсии: Для представления о фактической доходности в этом столбце показана последняя 10-летняя годовая общая доходность классов активов за текущий целевой месяц.

Спред: Средняя модель прогнозирует минус 10-летнюю доходность.