CC BY
13160
ИНВЕСТИЦИОННАЯ ПРИВЛЕКАТЕЛЬНОСТЬ РОССИИ ДЛЯ ИНСТИТУЦИОНАЛЬНЫХ ИНОСТРАННЫХ ИНВЕСТОРОВ
INVESTMENT ATTRACTIVENESS OF RUSSIA FOR INSTITUTIONAL INVESTORS
а.и. скопинский
Магистр экономики (направление: международные финансы) (год выпуска — 2017) Финансового университета при Правительстве Российской Федерации. Магистрант последнего года обучения Университета Глазго (Великобритания) Магистр финансов (направление: международные
a.i. skopinskiy
Financial university under the Government of the Russian Federation MSc in Economics (International finance) (Graduation Year — 2017) University of Glasgow Mfin in International Finance (Graduation Year — 2017)
Научный руководитель: П.Е.Жуков - Финансовый университет при
Scientific supervisor: P.E. Zhukov - Financial university under the Government of the Russian Federation, Ph.D., the senior Lecturer.
АННОТАЦИЯ
Это исследование посвящено привлекательности России для институциональных инвесторов сточки зрения выгодности от диверсификации
вложений и ожидаемой доходности. Япония, США, Великобритания и Австралия были взяты в качестве развитых стран, страны БРИКС и отдельно Россия - в качестве развивающихся рынков. Методология исследования включает: модель Блэка - Литтермана, функцию ответа на импульс, метод Кальмана, модель условной динамической корреляции (DCC) с использованием GARCH (1,1). Используются недельные данные индекса MSCI в течение 10-летнего периода. Делается вывод о высокой привлекательности России для институциональных инвесторов в
ABSTRACT
This research is devoted to the question - how attractive is Russia to institutional investors taking the advantage from a diversification of investments and expected returns. Japan, the USA, Great Britain and Australia are taken as the developed countries, the countries of BRICS and separately Russia - as emerging markets. The research methodology includes: the model of Black-Litterman, a function of the answer to an impulse, the method of Kalman and the model of conditional dynamic correlation (DCC) with use of GARCH (1,1). The weekly data of MSCI index during the 10-year period is used.The conclusion about high appeal of Russia to institutional investors in 2017 becomes.
КЛЮЧЕВЫЕ СЛОВА
БРИКС, международная диверсификация, инвестиционный менед-KEYWORDS
BRICS, the international diversification, investment management, a method of dynamic corrélation.
Введение
Среди различных факторов экономического роста России одним из важнейших является ее инвестиционная привлекательность. Данное исследование рассматривает вопрос
1А2
о привлекательности России для институциональных инвесторов. При этом в качестве основных мотивов вложений рассматриваются снижение риска путем диверсификации и повышение доходности.
Объектом исследования являются доходность и риск вложений в российский рынок ценных бумаг, а также рынки БРИКС, Японии, США, Великобритании и Австралии, представленные индексами М5С1, как одними из наиболее часто используемых институциональными инвесторами при формировании ими инвестиционных портфелей.
Методика исследования включает следующие известные этапы: проверка на единичный корень, проверка на коин-теграцию, анализ корреляции, анализ функции ответа импульса, метод Кальмана для фильтрации временных рядов, модель декомпозиции вариации, модель устранения ошибок и как основная модель Условной Динамической Корреляции фСС), с использованием анализа ОА11СН (1,1).
Для получения результатов используются модель формирования портфеля ценных бумаг Блэка — Литтнера (широко используемая институциональными инвесторами), модель Условной Динамической Корреляции (ЭСС), анализируются тренды динамической корреляции российского рынка с рынками БРИКС и развитых стран. Выводы исследования формулируются с учетом качественного анализа макроэкономической ситуации.
Элементом научной новизны является соединение трех элементов: модели Блэка — Литтнера, модели Условной Динамической Корреляции и качественного анализа макроэкономической ситуации для получения выводов об инвестиционной привлекательности России для институциональных инвесторов.
Главная идея исследования состоит в том, чтобы обеспечить эмпирическое исследование выгоды международной диверсификации между рынком России, странами БРИКС и развитыми странами. Соответственно, исследование концентрируется на России, странах БРИКС, Японии, США, Великобритании и Австралии. Индексы М5С1 для каждой страны были выбраны потому, что они состоят из лучших акций из-за рыночной капитализации, уровня количества акций, доступности к инвесторам и т.д.
Этой проблеме посвящено значительное число исследований, проанализированных для этой работы. Главным вопросом, интересным для инвесторов, является вопрос, выгодна диверсификация между этим странами или нет.
Основная часть работы построена следующим образом: глава 1 содержит краткий обзор различных исследований по данной теме за последние 60 лет, в главе 2 описаны данные и методология, используемая в исследовании, а в главе 3 представлен и проанализирован эмпирический результат.
Заключение содержит основные выводы, к которым пришел автор в процессе проведенной им работы.
1. Литературный обзор
Доходность диверсификации была впервые исследована Гарри Марковичем (1952) и Джеймсом Тобином (1959). Модель Марковица основана на парадигме комбинации математического ожидания доходности и вариации дохода как параметров, характеризующих доходность и риск с точки зрения инвестора. Главная идея — выбор самого эффективного портфеля с точки зрения доходности и риска. Эта модель в основном показывает инвесторам способы увеличить доходность при заданном риске либо уменьшить риск при
заданной доходности. Выгоды от диверсификации могут быть представлены следующей формулой:
Раннее изучение фондовых рынков предоставило нам информацию о выгоде диверсификации посредством проверки, насколько коррелированы фондовые рынки разных стран. Одним из следующих авторов, анализировавших этот вопрос, является Grubel (1968)1. Это исследование демонстрирует, как международная диверсификация может обеспечить увеличение прибыли и снижение рисков инвестора. Автор демонстрирует оценку вложений через отношение премии за риск к риску, предложенное Шарпом (Шарп, 1966). Основа его анализа — оценка стандартного отклонения и доходности для одиннадцати рынков ценных бумаг: Бельгия, Япония, Австралия, Южная Африка, Канада, Великобритания, Западная Германия, Италия, Франция, США, Нидерланды с 01/1959 по 12/1966.
Грубель (1968) продолжил эти исследования, и его выводы были разделены и поддержаны его коллегами Levy и Sarnat (1970). Основа их исследования — в тех же самых вычислениях стандартного отклонения и норм прибыли, но для большого количества стран — 28 соответственно для периода шестнадцати лет. Вычисления были представлены в долларах США для того, чтобы сделать доходности не чувствительными к любым изменениям курсов валют. Результат их работы состоит в том, что доходность в долларах
; = 1
¡=1 ;=1
1 Grubel, H.G. (1968). 'Internationally Diversified Portfolio: Welfare Gains and Capital Flows'. American Economic Review, Vol. 59, No 1299-1314.
США оставалась постоянной в течение шестнадцати лет. Они также поддерживают точку зрения, что оптимальный инвестиционный портфель состоит из существенной части ценных бумаг рынков развивающихся стран из-за низкого или отрицательного уровня корреляции с доходностями ценных бумаг развитых стран.
Как развитие методологии Гарри Марковича (1952), Black, Litterman (1992)1 предложили модель, которая позволяет инвестору рассматривать собственные прогнозы доходности ценных бумаг во время формирования эффективного инвестиционного портфеля. Таким образом, получающийся новый вектор доходности приводит к потенциально диверсифицированным, сформированным с учетом интуитивной оценки будущей доходности и устойчивым, в отличие от оптимальных портфелей по Марковичу, портфелям. Black и Litterman (1992): используют следующие доходности в качестве первого шага:
П=5 L wm
Здесь П — вектор (Nxl) подразумеваемой избыточной доходности активов в состоянии равновесия колонки; 5 — коэффициент неприятия риска;
Е — матрича ковариачии избыточной доходности (N х N матрича);
wm — вектор (Nxl) весов, соответствующих рыночной капи-тализачии активов (как и в рыночном портфеле САРМ).
Далее вычисляются ожидаемые доходности с использованием интуитивных и эмпирических соображений, после чего веса активов в портфеле корректируются с использованием метода «обратной оптимизачии» по весам w.
1 Black, F. and Litterman, R. (1992). "Global Portfolio Optimization." Financial Analysts Journal, September/October, 28-43.
(w' ]i - 5/2 w'Lw) -» max (w) w = (6 S)"1 Ц
Если ожидаемая доходность активов \i не равна равновесной П, то веса активов в портфеле будут отличаться от весов рыночного портфеля wm, рекомендуемого САРМ.
Большинство исследований, таких как Hamao и др. (1990)1, использовали еженедельные или ежемесячные данные. В этих работах исследовались корреляции между развивающимися и развитыми фондовыми рынками.
Masih, A. and R. Masih (1997)2 также представляют анализ механизмов распространения кризиса на шести существенных мировых фондовых рынках Германии, Великобритании, США, Японии, Канады и Франции внутри того же периода времени. Кроме того, в работе Wang, Y., Park, Y. С., Song, W., Park, Y. С.3 (2003) обобщенный анализ ответа на импульс был использован для того, чтобы исследовать динамические отношения среди пяти крупнейших развивающихся африканских и американских рынков ценных бумаг, во время «азиатского» кризиса 1997-1998 годов.
Более поздние исследования в области коинтегра-ции цен и волатильности цен на таких мировых рынках, как Токио, Лондон, Нью-Йорк, были проведены Gupta R., Donleavy G.D. (2008)4, Aloui, M.S.B. Alissa, D.K. Nguyen (2011).
1 Hamao, Y., Masulis, R.W. and Ng, V. (1990). 'Correlation in Price Changes and Volatility across International Stock Markets'. Review of Financial Studies, Vol. 3, pp. 281-307.
2 Masih, A. and R. Masih,( 1997). A Comparative analysis of the propagation of stock market fluctuationsin alternative models of dynamic causal linkages. Applied Financial Economics, 7, 59-74.
3 Wang, Y., Park, Y. C., Song, W., Park, Y. C., "Finance and Economic Development in Korea", Working Paper 04-06, Korea Institute for International Economic Policy, 2003.
4 Gupta R., Donleavy G.D. (2008). 'Benefits of diversifying investments into emerging markets with time-varying correlations: An Australian perspective'. Journal of Multinational Financial Management, 19 (2) (2008), pp. 160-177.
(2011)1, а также Zhang, В., Li, X., Yu, Н. (2013)2. В основном главная идея последней работы состояла в том, чтобы найти, как изменялись корреляции между BRICS и развитыми американскими рынками из-за финансового кризиса. Это было проанализировано с использованием модели GARCH, той же самой, как и для предыдущей группы авторов. Дополнительно применялся новый метод динамической условной корреляции (DCC).
Далее в настоящей работе будут использованы некоторые аналогичные методы, включая временную вариацию параметров и тест Джонсена на многократную коинтегра-цию. Аналогично этим исследованиям решение проблемы несинхронности данных будет произведено путем включения американских рынков с задержкой в 1 период из-за того, что рынки США открываются, когда другие рынки, как правило, уже закрываются. Кроме того, будут использованы популярные среди современных исследователей модели GARCH.
2. Данные и методология
Далее будут рассмотрены две основные гипотезы.
Гипотеза 1. Диверсификация активов между рынками России и развитыми странами позволяет снизить риск или увеличить ожидаемую доходность.
Гипотеза 2. Диверсификация активов между рынками России и развитыми странами не позволяет снизить риск или увеличить ожидаемую доходность.
1 Aloui, M.S.B. Alissa, D.K. Nguyen (2011). 'Global financial crisis, extreme interdependences, and contagion effects: the role of economic structure?' Journal of Banking and Finance, 35 (1), pp. 130-141.
2 Zhang, В., Li, X., Yu, H. (2013). ,Has recent financial crisis changed permanently the correlations between BRICS and developed stock markets?' The North American Journal of Economics and Finance. Volume 26, December 2013, Pages 725-738.
Все это позволит дать ответ на главный вопрос: привлекателен ли в настоящее время российский рынок для институциональных инвесторов?
Матричная корреляция для доходности фондовых рынков разных стран будет оценена для десятилетнего периода времени (с 15.09.2005 до 20.12.2016).
Корреляция показывает только, что два фактора изменяются положительным или отрицательным способом. Этот тест популярен среди управляющих фондом, но у этой методики есть некоторые ограничения, например краткосрочный горизонт и единственная средняя корреляция для периода времени при исследовании. Таким образом, они как бы предполагаются постоянными, что существенно искажает выводы.
В противоположность этому модели динамической условной корреляции позволяют оценивать тренды изменения корреляций и делать прогнозы относительно будущего. Именно эти методы используются при решении вопросов о выборе активов для портфеля.
При анализе временных рядов с использованием вАКСН (1,1) требуется проверка на стационарность авторегрессии (единичный корень). Кроме того, обычно проводится проверка на коинтеграцию. Методика оценки для коинтегрированных переменных с использованием максимального метода вероятности была представлена 1о1шп5еп 5. (1988)1. Главная идея этого метода состоит в том, чтобы проверить, существует ли коинтеграция между какими-либо из наших данных о временном ряде или нет. Подход Джо-хэнсена позволяет идентифицировать максимальное коли-
1 Johansen, S. (1988). Statistical Analysis of Co-integration Vectors. Journal of Economic Dynamics and Control. Vol.12, No 2, pp. 231-254.
чество векторов коинтеграции, которые существуют между рядом переменных. К коинтегрированным данным обычно также применяется модель устранения ошибок.
Функция ответа на импульс (IRF) и анализ разложения вариации (VDC) будут применяться для анализа ответа доход-ностей на шоки (обычно резкое снижение цен на активы), происходящие на других рынках, что является важным фактором при решении вопроса о выгоде диверсификации активов.
Изменяющие время колебания доходностей будут проанализированы при использовании модели GARCH. Согласно Engle (2002) изучение рядов доходности может проводиться с использованием авторегрессии ARMA (р, q). ARMA (1,1) был выбран для того, чтобы элиминировать автокорреляцию.
Модель DCC с двухэтапной оценкой через квазимаксимальную оценку вероятности (OMLE) использовалась для того, чтобы получить последовательные оценки параметров отклика на импульс, с использованием данных кризиса 2008 года, который, вероятно, имел самое сильное влияние на корреляции фондовых рынков стран БРИКС и развитых стран.
Для исследования использовались еженедельные цены закрытия за фондовых рынках Бразилии, России, Индии, Китая, Южной Африки, Австралии, США, Великобритании и Японии. За основу был выбран индекс MSCI по всем секторам экономики. Период данных при исследовании составляет десять лет с 15.09.2006 до 21.09.2016. Общее количество наблюдений 538. Период данных покрывает главные экономические и национальные события и финансовый кризис 2008 года. Этот период данных таким образом позволит нам обеспечивать исследование того, выгодна ли диверсификация между рынком России и развитыми рынками или нет.
1 70
В качестве вычислительной среды использовались Excel, Eviews, R, а также MatLab.
3. Результаты исследования
Средняя ежегодная доходность в течение двенадцатилетнего периода для всех фондовых рынков была положительна. Это объясняется тем фактом, что во время всего периода времени энергетический сектор имел тенденцию к росту. Стандартное отклонение доходности колеблется от 0,02526 (Япония) к 0,0552 (Россия). У всех рядов тест дает нулевую вероятность нормального распределения доходности. Эти результаты совместимы с результатами, освещенными в цитируемой ранее литературе, — недельные доходности активов не имеют нормального распределения.
Для расчета временные ряды преобразовывались в разностную форму (differenced). В отличие от изначальных временных рядов, каждый ряд в разностной форме стационарен в смысле отсутствия единичного корня (это согласуется с результатами других работ, отраженных в литературе). Если бы ряды являлись нестационарными даже в разностной форме, то следовало бы предполагать, что ряд может быть коинтегрирован сам с собой с временным лагом. Также два индивидуально нестационарного ряда могут быть коинтегрированы друг между другом, то есть существует их линейная комбинация, которая является нормально распределенным случайным процессом.
Вычисление матрицы средней корреляции для всех шести индексов было сделано в течение пятнадцатилетнего периода (06.02.2000-25.02.2015). Выходные данные обеспечивают в следующей таблице (таблица 1). Самые низкие корреляции между Россией и Японией (0.43), Японией и Южной Афри-
Та бл и ца 1
Матрица средней корреляции (06.02.2000-25.02.2015)
Бразилия Россия Индия Китай Южная Африка Япония Великобритания США Австралия
Бразилия 1.00 0.72 0.61 0.65 0.78 0.47 0.79 0.70 0.76
Россия 0.72 1.00 0.59 0.56 0.70 0.43 0.69 0.63 0.66
Индия 0.61 0.59 1.00 0.67 0.63 0.48 0.63 0.58 0.64
Китай 0.65 0.56 0.67 1.00 0.67 0.57 0.63 0.58 0.72
Южная Африка 0.78 0.70 0.63 0.67 1.00 0.47 0.76 0.67 0.74
Япония 0.47 0.43 0.48 0.57 0.47 1.00 0.57 0.53 0.64
Великобритания 0.79 0.69 0.63 0.63 0.76 0.57 1.00 0.84 0.84
США 0.70 0.63 0.58 0.58 0.67 0.53 0.84 1.00 0.76
Австралия 0.76 0.66 0.64 0.72 0.74 0.64 0.84 0.76 1.00
177
кой (0.48) и и т.д. Таким образом, диверсификация между этими странами может быть наиболее выгодной для инвестора. Однако с точки зрения средней корреляции Россия не отличается заметно от других стран БРИКС.
Согласно тесту Дика — Фуллера (АЭБ) изначальные временные ряды содержат единичный корень, а значит, их следует проверить на коинтеграцию между собой. Анализ был сделан посредством сравнения всех стран друг с другом друга: Бразилия, Россия, Индия, Китай, Южная Африка, США, Австралия, Великобритания, Япония. Все тесты указали на отсутствие коинтеграции между рынками БРИКС и финансовыми рынками развитых стран.
Тест Джохэнсена применялся к следующим парам стран БРИКС:
• Бразилия — Россия; Бразилия — Индия; Бразилия — Китай; Бразилия — Южная Африка;
• Россия — Бразилия; Россия — Индия; Россия — Китай; Россия — Южная Африка;
• Китай — Россия; Китай — Индия; Китай — Бразилия; Китай — Южная Африка;
• Южная Африка — Россия; Южная Африка — Индия; Южная Африка — Китай; Бразилия — Южная Африка.
Дальнейшее понимание механизма международной передачи шоковых импульсов изменений цен на фондовом рынке может быть получено путем изучения взаимного влияния шока на рынках развитых стран на рынки развивающихся стран. Эта информация крайне важна для международной диверсификации, если риск портфеля оценивается по критерию УаИ (что, в частности, требуется рекомендациями Ба-зельского комитета для банков и финансовых организаций). Период времени после шока был выбран продолжительно-
стью десять недель, чтобы видеть, как эффект шока на этих трех рынках отражается на развивающихся странах.
Чтобы суммировать результаты: большинство ответов на шок не настолько заметно, чтобы о них можно было бы говорить с уверенностью. Однако есть исключения — высокий ответ показали Великобритания на шок в США, Индия на шок в Японии и США на шок в России. Что касается России, то у нее довольно низкая реакция на шоки всех исследованных рынков. Можно предположить, что на данном этапе Россия не является заметно чувствительной к шокам на рынках как развитых, так и развивающихся стран. Это, в свою очередь, позволяет предположить, что выгодность международной диверсификации делает Россию в настоящий момент привлекательной для институциональных инвесторов с точки зрения хеджирования рисков. Этот вывод далее подтверждается результатами анализа динамической корреляции методом условной динамической корреляции фСС).
Далее приводятся результаты анализа динамической корреляции методом условной динамической корреляции фСС). После финансового кризиса 2008 года на всех рынках в рамках исследования было заметно серьезное снижение доходности и цен активов. Корреляции далее увеличивались или остались неизменными (но не падали) для всех восьми парных рядов при исследовании корреляции. Следующие графики (см. рис. 1-3) предоставляют информацию о динамической корреляции и тренде, существующем в настоящее время. Возможность положительного тренда была исследована, и выяснилось, что эта гипотеза не существенна для 17 из 20 корреляций между БРИКС и развитыми фондовыми рынками. Это указывает на то, что ожидаемая корреляция
174
доходности между рынками БРИКС и развитыми фондовыми рынками в основном уменьшалась в течение прошлых 15 лет. Поскольку данная работа акцентирует внимание на привлекательности российского рынка для институциональных инвесторов, то далее приведены диаграммы только для российского рынка.
Согласно данным на рис. 1 условная корреляция для Бразилии и России, как мы можем видеть, имела тенденцию к снижению после 2011 года и существенно снизилась (до 0.4) после принятия антироссийских санкций в 2014 году. Текущая тенденция корреляции позволяет предположить выгодность будущей диверсификации бразильских портфелей с российскими.
ПтМ/гООб Мау 012009 (Чт Си 2011 Млу 02 2014
Рис. 1. Динамическая корреляция рынков России и Бразилии
На рисунке 2 отражена крайне важная условная корреляция между рынками США и России. Она также имела тенденцию к снижению после 2011 года и резко упала (до 0.3) после принятия антироссийских санкций в 2014 году. Текущая тенденция корреляции — к некоторому снижению и ее текущий уровень (0.4) делает диверсификацию акти-
Т
"Г
bob США и России крайне привлекательной с точки зрения хеджирования рисков. Отчасти это, вероятно, объясняется снижением уровня экономических связей между Россией и США после введения санкций. Однако такая низкая корреляция создает существенный экономический стимул к отмене либо смягчению, по крайней мере, одной части этих санкций — секторальных санкций в области финансов.
Рис. 2. Динамическая корреляция рынков России и США
На рисунке 3 отражена еще одна крайне важная для институциональных инвесторов динамическая корреляция — между рынками России и Китая. Хотя Китай и не участвовал в санкциях против России, условная корреляция для Китая и России также резко упала (до 0.3) после принятия антироссийских санкций в 2014 году. Текущая тенденция корреляции — к повышению, и ее уровень (0.6) близок к уровню корреляции рынков России и Бразилии. В целом можно говорить о том, что в результате введения антироссийских санкций, по-видимому, произошло снижение связей между финансовым рынком России и рынками развитых стран,
176
но это было компенсировано увеличением связей с Китаем и другими странами БРИКС. Текущий уровень корреляции (0.6) между Китаем и Россией хотя и не слишком низок, но все же оставляет возможности для диверсификации.
Рис. 3. Динамическая корреляция рынков России и Китая
Еще одна важная для институциональных инвесторов динамическая корреляция — между рынками России и Великобритании. Здесь условная корреляция упала еще ниже, чем с США (до 0.2), после принятия антироссийских санкций в 2014 году. Однако в дальнейшем она повысилась до 0.7, что говорит о некотором восстановлении финансовых связей, несмотря на сохранение санкций. Текущая тенденция корреляции — к снижению. При этом ее уровень (0.6) близок к уровню корреляции рынков России и Бразилии. В целом можно говорить о том, что уровень корреляции оставляет существенные возможности для диверсификации.
В завершение результатов — у всех стран БРИКС есть значимая корреляция в течение долгого времени с США, Великобританией, Японией и австралийскими рынками. У всех стран БРИКС кроме России средний уровень корреляции с развитыми рынками (кроме Японии) находится в диапазоне 0.6-0.8 и выше (см. рис. 1). Россия, вероятно из-за
санкций, стала довольно независимой от большинства развитых стран (кроме Великобритании). Однако уровень зависимости от Китая и Бразилии несколько повысился. Среди развитых стран заметным позитивным фактором является повышение корреляции рынков России и Великобритании.
Китайский рынок последние 15 лет был весьма привлекателен для инвесторов ввиду высокой доходности, обусловленной быстрым ростом экономики Китая. Однако валюта Китая неконвертируема, а финансовые рынки сильно зависят от государственного регулирования. Сокращением риска от внешних шоков управляет китайское правительство через строгий контроль над ОБИ и СЮП. Этими обстоятельствами, а также аномально высокими темпами роста экономики Китая последние 15 лет, по-видимому, объясняется относительно низкая корреляция рынка Китая и развитых стран. В то же время повышение корреляции рынка России с Китаем, Бразилией и Великобританией свидетельствует о том, что секторальные санкции США и ЕС против России в финансовой сфере привели к усилению финансовых связей России со странами, которые либо не присоединились к секторальным санкциям, либо в меньшей степени ограничили финансовые связи из-за традиционной прагматической ориентации.
Заключение
Инвестиционная привлекательность России для институциональных инвесторов в текущий момент времени анализировалась с точки зрения выгодности международной диверсификация активов между Россией, БРИКС и развитыми финансовыми рынками. Это исследование использовало Бразилию, Россию, Индию, Китай, Южную Африку как раз-
17Я
вивающиеся рынки и США, Австралию, Великобританию, Японию как развитые рынки. Индекс MSCI был выбран для исследования ввиду его доступности. Для каждой страны использовались 10-летние еженедельные данные (2005-2015). Было показано, что Россия становится довольно привлекательной для инвесторов из-за низкого уровня корреляции с рынками развитых стран (кроме Великобритании).
В то же время для институциональных инвесторов, формирующих портфель по методу Блэка — Литтермана, крайне важна не только текущая корреляция (определяющая начальный вектор доходности), но и ожидаемая доходность активов. В работе (Жуков П.Е., Исаакян O.A., 2010)1 на статистике до 2008 года и кризисного периода 2008 года показано, что ожидаемая доходность активов России в целом существенно зависит от тенденций роста экономики.
Потенциал роста экономики стран БРИКС в целом неочевиден. Например, для экономики Китая потенциал будущего роста сокращается в связи с ожидаемым сокращением темпов роста экономики. Темпы роста экономики Китая пока еще остаются весьма высокими (6,4% в год), но эти ожидания уже заложены в цены акций. В то же время наметилась очевидная тенденция к их снижению (из-за исчерпания экспортно ориентированной модели роста), и, по-видимому, они будут снижаться дальше (по оценкам ВР, темпы роста экономики Китая могут снизиться до Ъ% в среднесрочной перспективе).
В то же время экономика России имеет существенный потенциал роста в среднесрочной перспективе. Главными факторами роста являются низкий курс рубля по отноше-
1 Жуков П.Е., Исаакян O.A. Зависимость российского рынка ценных бумаг от макроэкономических показателей и мировых индексов //Академия бюджета и казначейства Минфина России. Финансовый журнал. 2010. № 2.
нию кППС. Это определяет относительно низкий уровень зарплаты по сравнению с развитыми странами (в 2016 году средняя зарплата в России сравнялась с Китаем) и существенное повышение потенциала развития, ориентированного на внутренний спрос.
В более долгосрочной перспективе ключевую роль для роста экономики России могут играть два фактора — повышение производительности труда и повышение конкурентоспособности. Для обеспечения повышения производительности труда и повышения конкурентоспособности необходимо восстановление международных экономических связей и весьма полезны структурные реформы (государственного управления, правоохранительной и судебной системы, образования, здравоохранения и др.). Все эти предпосылки пока отсутствуют, однако есть очевидные предпосылки для краткосрочного роста экономики. Так, РБК со ссылкой на Bloomberg1 сообщает, что международные инвестиционные банки назвали Россию фаворитом иностранных портфельных инвесторов в 2017 году. «Почти все любят Россию и хотят держаться как можно дальше от Турции» — так описывает Bloomberg консенсус-прогноз инвестбанков на 2017 год. Главные факторы привлекательности России сегодня — низкий курс национальной валюты и потенциал к повышению цен на нефть, которые все еще важны для экономики России (хотя доля рентных доходов в ВВП России заметно снизилась — до 16%).
Капитализация российского фондового рынка с начала года по 27 декабря увеличилась на 50,5% и составляет $ 584 млрд (данные Bloomberg). Торгуемые биржевые фон-
1 http://www.rbc.ru/economics/28/12/2016/5863a2119a79472300cd0e3e
1 ЯП
ды ETF, ориентированные на Россию, в 2016 году показали одни из лучших результатов. По данным провайдера информации о таких фондах XTF.com, в десятку самых доходных ETF, инвестирующих в акции конкретных стран, входят Direxion Daily Russia Bull 3x Shares (+119% с начала года, второе место), VanEck Vectors Russia Small-Cap (+103%) и iShares MSCI Russia Capped ETF (+53%).
Таким образом, вывод работы о повышении инвестиционной привлекательности России для институциональных инвесторов полностью подтверждается известными мнениями самих институциональных инвесторов.
Библиографический список (на англ. яз.)
1. Aloui, M.S.В. Alissa, D.K. Nguyen (2011). 'Global financial crisis, extreme interdependences, and contagion effects: the role of economic structure?' Journal of Banking and Finance, 35 (1), pp. 130-141.
2. Black, F. and Litterman, R. (1992). "Global Portfolio Optimization." Financial Analysts Journal, September/October, 28-43.
3. Grubel, H.G. (1968). 'Internationally Diversified Portfolio: Welfare Gains and Capital Flows'. American Economic Review, Vol. 59, No 1299-1314.
4. Gupta R., Donleavy G.D. (2008). 'Benefits of diversifying investments into emerging markets with time-varying correlations: An Australian perspective'. Journal of Multinational Financial Management, 19 (2) (2008), pp. 160-177.
5. Hamao, Y., Masulis, R.W. and Ng, V. (1990). 'Correlation in Price Changes and Volatility across International Stock Markets'. Review of Financial Studies, Vol. 3, pp. 281-307.
6. Johansen, S. (1988). 'Statistical Analysis of Co-integration Vectors'. Journal of Economic Dynamics and Control. Vol. 12, No 2, pp. 231 -254.
. 1Я1
7. Masih, A. and R. Masih, ( 1997). A Comparative analysis of the propagation of stock market fluctuationsin alternative models of dynamic causal linkages. Applied Financial Economics, 7, 59-74.
8. Wang, Y., Park, Y. C., Song, W., Park, Y. C., "Finance and Economic Development in Korea", Working Paper 04-06, Korea Institute for International Economic Policy, 2003.
9. Zhang, В., Li, X., Yu, H. (2013). ,Has recent financial crisis changed permanently the correlations between BRICS and developed stock markets?' The North American Journal of Economics and Finance. Volume 26, December 2013, Pages 725-738.
Контактная информация:
МО, гор. Ликино-Дулево, ул. Кирова, д. 58, кв. 93, 142670. Телефон: моб. 89057907370, e-mail:[email protected]
Финансовый университет при Правительстве РФ Юридический / почтовый адрес: Российская Федерация, 125993 (ГСП-3), г. Москва, Ленинградский просп., 49.
