Индекс Global Market Index (GMI) по-прежнему находится на пути к тому, чтобы генерировать общую доходность в годовом исчислении более 7% в долгосрочной перспективе, основываясь на данных по октябрь. Эта оценка будущих результатов была стабильной в последние месяцы, оставаясь, например, неизменной по сравнению с предыдущим месяцем.

GMI — это взвешенное по рыночной стоимости сочетание основных классов активов (за исключением денежных средств) через прокси ETF. Прогноз доходности основан на среднем значении по трем моделям (определено ниже). Текущая оценка в 7,1% в годовом исчислении остается значительно ниже скользящей 9,1% годовой доходности для GMI за последние десять лет.

Прогнозируется, что доходность большинства компонентов GMI будет выше темпов их соответствующих 10-летних результатов, с тремя выбросами: акциями США, сырьевыми товарами и высокодоходными облигациями США. Например, ожидается, что фондовый рынок США заработает 8,5% годовых в долгосрочной перспективе, что на 5,5 процентных пункта ниже его скользящей десятилетней доходности.

GMI представляет собой теоретический эталон для «оптимального» портфеля, который подходит для среднего инвестора с бесконечным временным горизонтом. Соответственно, GMI полезен в качестве Отправная точка для настройки распределения активов и структуры портфеля в соответствии с ожиданиями, целями, толерантностью к риску и т. д. История GMI показывает, что производительность этого пассивного бенчмарка будет конкурентоспособной по сравнению с большинством активных стратегий распределения активов, особенно после корректировки на риск, торговые издержки и налоги.

Вполне вероятно, что некоторые, большинство или, возможно, все из приведенных выше прогнозов в той или иной степени будут далеки от истины. Однако ожидается, что прогнозы GMI будут несколько более надежными по сравнению с оценками по его компонентам. 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 уменьшить некоторые ошибки с течением времени.

Еще один способ рассмотрения приведенных выше прогнозов заключается в использовании оценок в качестве основы для уточнения ожиданий. Например, точечные прогнозы могут быть скорректированы с помощью дополнительного моделирования, которое учитывает другие факторы, которые здесь не используются. Также рекомендуется настраивать портфели для конкретного инвестора, чтобы отразить толерантность к риску, временной горизонт и т. д.

Чтобы понять, как реализованная общая доходность GMI изменялась с течением времени, рассмотрим послужной список бенчмарка на скользящей 10-летней годовой основе. На приведенном ниже графике сравниваются показатели GMI с ETF, отслеживающими акции и облигации США за прошлый месяц. Текущая доходность GMI за последние десять лет составляет 9,1%, что соответствует предыдущему пику.

Ниже приведена краткая информация о том, как создаются прогнозы, и определения других метрик в таблице выше:

Вв: Модель Building Block использует историческую доходность в качестве прокси для оценки будущего. Используемый период выборки начинается с января 1998 года (самая ранняя доступная дата для всех перечисленных выше классов активов). Процедура заключается в расчете премии за риск для каждого класса активов, вычислении годовой доходности, а затем добавлении ожидаемой безрисковой ставки для создания прогноза общей доходности. Для ожидаемой безрисковой ставки мы используем последнюю доходность 10-летних казначейских ценных бумаг с защитой от инфляции (TIPS). Эта доходность считается рыночной оценкой безрисковой, реальной (с поправкой на инфляцию) доходности для «безопасного» актива — Эта «безрисковая» ставка также используется для всех моделей, описанных ниже. Обратите внимание, что используемая здесь модель BB (в общих чертах) основана на методологии, первоначально изложенной Ibbotson Associates (подразделение Morningstar).

ЭКВАЛАЙЗЕР: Модель Equilibrium реверсивно проектирует ожидаемую доходность за счет риска. Вместо того, чтобы пытаться предсказать доходность напрямую, эта модель опирается на несколько более надежную схему использования метрик риска для оценки будущей производительности. Этот процесс относительно надежен в том смысле, что прогнозировать риск немного проще, чем прогнозировать доходность. Три входа:

* Оценка ожидаемой рыночной цены риска всего портфеля, определяемая как коэффициент Шарпа, который представляет собой отношение премий за риск к волатильности (стандартное отклонение). Примечание: «портфолио» здесь и далее определяется как GMI

* Ожидаемая волатильность (стандартное отклонение) каждого актива (рыночные компоненты GMI)

* Ожидаемая корреляция для каждого актива относительно портфеля (GMI)

Эта модель оценки равновесной доходности была впервые изложена в статье профессора Билла Шарпа в 1974 году. Для краткого изложения см. объяснение Гэри Бринсона в главе 3 книги «Портативная программа MBA в инвестициях». Я также рассматриваю модель в своей книге Динамическое распределение активов. Обратите внимание, что эта методология изначально оценивает премию за риск, а затем добавляет ожидаемую безрисковую ставку, чтобы получить прогнозы общей доходности. Ожидаемая безрисковая ставка указана в BB выше.

АЖ: Эта методология идентична модели равновесия (EQ), описанной выше За одним исключением: Прогнозы скорректированы на основе краткосрочного импульса и долгосрочных коэффициентов возврата к среднему значению. Импульс определяется как текущая цена относительно скользящей 12-месячной скользящей средней. Средний коэффициент возврата оценивается как текущая цена относительно скользящей 60-месячной (5-летней) скользящей средней. Прогнозы равновесия корректируются на основе текущих цен относительно 12-месячных и 60-месячных скользящих средних. Если текущие цены находятся выше (ниже) скользящих средних, то нескорректированные оценки премий за риск уменьшаются (увеличиваются). Формула корректировки заключается в том, чтобы просто взять обратное среднее значение текущей цены на две скользящие средние. Например: если текущая цена класса активов на 10% выше его 12-месячной скользящей средней и на 20% выше 60-месячной скользящей средней, нескорректированный прогноз уменьшается на 15% (в среднем на 10% и 20%). Логика здесь заключается в том, что когда цены относительно высоки по сравнению с недавней историей, прогнозы равновесия снижаются. С другой стороны, когда цены относительно низки по сравнению с недавней историей, прогнозы равновесия повышаются.

Средняя: Этот столбец представляет собой простое среднее арифметическое трех прогнозов для каждой строки (класса активов)

10 лет RET: Чтобы получить представление о фактической доходности, в этом столбце показана общая доходность за последние 10 лет в годовом исчислении для классов активов за текущий целевой месяц.

Распространение: Прогноз усредненной модели за вычетом скользящей 10-летней доходности.

Научитесь использовать R для анализа портфеля
Количественная аналитика инвестиционного портфеля в R:
Введение в R для моделирования риска и доходности портфеля
Автор: Джеймс Пичерно