Долгосрочные ожидания по Глобальному рыночному индексу (GMI) оставались стабильными на уровне более 7% годового прогноза общей доходности, основанных на аналитике данных до декабря. Прогноз был относительно стабилен на этом уровне в последнее время, незначительно выросший по сравнению с оценкой прошлого месяца.

GMI — это рыночно-взвешенный микс основных классов активов (за исключением денежных средств) через прокси ETF. Сегодняшний прогноз основан на среднем по трём моделям (определенным ниже). Текущая годовая оценка в 7,3% немного выше декабрьской, но остаётся значительно ниже текущей годовой доходности в 9,4%, которую GMI обеспечивал за последние десять лет.

Ожидается, что большинство компонентов GMI будут работать с темпом, превышающим их последние 10-летние показатели. Но в качестве возможного признака того, что прогноз доходности GMI будет снижаться в ближайшие месяцы, наблюдается рост числа классов активов с ожидаемой доходностью ниже их последние 10-летние реализованные выступления. В крайнем случае: американские акции, которые, как прогнозируется, принесут годовую общую доходность 8,7% в долгосрочной перспективе, что составляет 5,5 процентных пункта ниже годовой рост на 14,2% за последнее десятилетие.

GMI представляет собой теоретический ориентир для «оптимального» портфеля, подходящий для обычного инвестора с бесконечным временным горизонтом. 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, точечные прогнозы можно скорректировать с помощью дополнительного моделирования, учитывающего другие факторы, 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 составляет 9,4%, что является устойчивым показателем, соответствующим недавней истории.

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) каждого актива (рыночные компоненты GMI)

* Ожидаемая корреляция для eACH актив 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.