Саймон Вайн
Инвестиции и трейдинг. Формирование индивидуального подхода к принятию инвестиционных решений

Теории, объясняющие поведение валют

Рассмотрим модели, используемые для прогнозирования поведения цен различных активов. Начнем с валют. Наиболее простыми являются теории процентного паритета (IRP – interest rate parity) и покупательного паритета (PPP – purchasing power parity). Первая гласит, что при данных процентных ставках двух валют будущий курс предсказуем на уровне форвардной цены.

Продемонстрируем это положение на следующем примере. Одолжим сегодня на год доллары, платя за них 10 %, обменяем их по сегодняшнему курсу на иену и разместим иены на годовой депозит под 0 %. На таком обмене, если валютный курс останется неизменным, через год вы потеряете 10 % процентного дохода. Если же за год курс доллара к иене вырастет, вы рискуете потерять на изменении валютного курса больше, чем заработаете на разнице в процентных ставках, полученных от депозитной операции. Можно ли обезопасить процентный доход путем хеджирования валютного риска с помощью какого-то финансового инструмента? На практике это невозможно, поскольку на рынке есть финансовый инструмент – форвард, который рассчитывается исходя из разницы в процентных ставках двух валют и корректирует ее (разницу) валютным курсом. В нашем примере форвардный курс доллар/иена с поставкой через год будет на 10 % ниже (т. е. иена на форварде будет на 10 % дороже по отношению к доллару, чем на споте). Таким образом, даже потеряв 10 % на депозите, вы можете в конце срока откупить доллар, продав иену по курсу, который на 10 % превышает сегодняшний. Следовательно, суммарный результат депозитных и валютных операций будет равен нулю.

Японский инвестор, который решил без риска заработать прибыль, купив за иену доллары и разместив их на годовой депозит по более высокой ставке, чем в иене, также не смог бы получить прибыль после хеджирования депозитной операции форвардом. IRP – завуалированный вариант теории эффективного рынка (или «случайного блуждания»). Одним из ее основных следствий является то, что лучшим предсказателем будущей цены является сегодняшняя цена. Применительно к валютным курсам IRP как раз и утверждает, что лучшим предсказателем будущей цены является сегодняшняя цена, скорректированная на разницу процентных ставок. При этом в IRP и процентные ставки де-факто рассматриваются как неизменные, т. е. сегодняшние ставки тоже считаются лучшими предсказателями ставок в будущем. На наш взгляд, утверждение, что лучшим предсказанием будущей цены является сегодняшняя цена, есть признание в беспомощности, а не практически полезный вывод.

Теория паритета покупательной способности (РРР – purchasing power parity) предсказывает, что в условиях свободной торговли товары будут двигаться в страну с более высоким уровнем цен. Ее валюту, полученную в обмен на товары, будут продавать, пока уровень цен, скорректированный на валютный курс, не достигнет паритета, чтобы было невыгодно в страну экспортировать. Поскольку уровни цен меняются из-за инфляции, можно сказать, что чем больше уровень инфляции, тем ниже курс валюты данной страны. Эта теория действительно находит свое отражение в жизни, но, как правило, в долговременной перспективе – в течение 16 кварталов^[51]. Рис. 1.4, а – в показывает, что получается, если взять курс валютной пары и умножить ее на соотношение показателей инфляции в соответствующих странах. Как видно в случае котировок доллара в долгосрочной перспективе, РРР выдерживается. Сделав это утверждение, следует оговориться: предположим, за неделю рынок упал на 7 %. Значит ли это, что через четыре года он откорректируется до курса недельной давности, или до сегодняшнего курса, или до некоторого среднего курса? Иными словами, даже если исходить из того, что теория может быть полезна через такой долгий период, непонятно, как ее использовать для инвестирования в текущей момент.

На практике ни IRP, ни РРР, ни их вариации при тестировании для кратко- и среднесрочной перспективы не подтверждаются. Предвосхищая обсуждение темы ликвидности, рассмотрим вышеизложенные теории на примере двух типичных практических случаев, когда потоки ликвидности перенаправили вектор движения курсов валют, предсказанный моделями.

В конце 1980-х гг. курс канадского доллара против американского постоянно рос, несмотря на более высокий уровень инфляции, бюджетный дефицит и попытки Квебека отделиться от Канады. Объяснялась эта тенденция несколькими факторами. Канадские провинции и корпорации одалживали средства на американском рынке, где ставки были ниже, и обменивали полученные американские доллары на канадские. В ходе этой нехитрой операции они продавали американские доллары, покупая канадские. Параллельно, накануне передачи Гонконга Китаю, китайцы переезжали в Канаду и переводили туда свои капиталы, которые до того времени хранили в американских долларах, а в процессе также покупали канадские доллары.

В результате курс, который на основании РРР должен был быть примерно 1,4000, упал до 1,1200. Такая тенденция продолжалась почти 10 лет. Очевидно, что при общей логичности теоретической концепции РРР она оказалась малопригодной для краткосрочного прогнозирования курсов.

Второй пример: резкий рост котировок американского доллара против евро в 2000–2001 гг. был в первую очередь результатом увеличения инвестиций из Европы в США. Они росли не вследствие фундаментальных причин, связанных с соотношением стоимости валют, а поскольку американский фондовый рынок рос и сулил инвесторам прибыли большие, чем в Европе. Но в 2001–2002 гг. тенденция резко изменилась, поскольку стали иными ожидания роста цен акций. Обратим внимание, что при этом не изменились инфляция и ее прогнозы, а экономика США продолжала расти быстрее европейской. Иными словами, основным фактором был поток ликвидности: портфельные инвестиции («горячие деньги») могут в течение нескольких лет противодействовать ожиданиям сторонников фундаментального анализа.

В заключение следует отметить, что исследователи пришли к выводу: РРР достаточно эффективно описывает поведение курсов в момент гиперинфляции, но не в спокойные времена. Модели нового поколения, основанные на нелинейных взаимосвязях номинальных валютных курсов и экономических показателях, лучше справляются с задачей прогнозирования курсов на двух-трехлетние сроки, но вряд ли и они полезны, так как инвесторы на валютном рынке не заинтересованы в прогнозах со срочностью свыше шести месяцев^[52].

3. Проблемы моделирования

Проблемы, связанные с информацией

Важность критического подбора информации для построения модели

Конечная цель изучения информации – достижение ряда целей, основной из которых является выявление ключевых факторов, необходимых для построения модели. Изначально же требуется найти информацию, необходимую для разработки и тестирования моделей.

Финансовую информацию можно разделить на четыре категории:

– немедленно известную. Теория эффективного рынка исходит из того, что эта категория является доминирующей (universally-informed trading);

– менее известную, но быстро отражаемую в ценах посредством действий профессиональных трейдеров (professionally-informed trading);

– инсайдерскую, которую рынок предполагает почерпнуть на основе наблюдений за действиями трейдеров, обладающих доступом к закрытым источникам (derivatively-informed trading);

– неизвестную, но прогнозируемую (uninformed trading).

Следует критически оценить все четыре типа информации в соответствии с этой классификацией, но мы остановимся на первом. Важным каналом обмена немедленно доступной информацией являются информационные агентства и средства массовой информации в целом^[53]. Естественно, что СМИ имеют разные стандарты достоверности. Так, некоторые из них публикуют материалы, основанные на слухах и домыслах, а другие предпочитают использовать только проверенную информацию. Кроме того, репортеры придают своим отчетам собственную эмоциональную и политическую окраску, искажая факты аналогиями и метафорами. Так, во время кризиса 1998 г. в репортажах CNN, посвященных дефолту российских банков, постоянно фигурировали кадры с изображением филиалов Альфа-Банка. Хотя последний исполнял свои обязательства перед вкладчиками и повода для подобного освещения событий не давал, но, как потом оказалось, у CNN не нашлось под рукой видеозаписи с изображением других банков. На рынке распространилось мнение, что Альфа-Банк несостоятелен, и невинная на первый взгляд ошибка телеканала чуть не привела к его банкротству. Таким образом, на любом уровне доступа к информации нет гарантии ее качества.

Чтобы извлечь уроки из прошлого, необходимо не только очистить исторические данные от технических ошибок и трактовок, но и осмыслить, какие реальные события стоят за теми или иными цифрами. Именно понимание сути явлений, произошедших в прошлом, обеспечивает гибкость и достоверность будущей модели.

Однако найти полное и точное описание событий, как правило, невозможно, особенно в случаях рыночной аномалии; память рынка очень коротка и точностью не отличается. Фактически ее можно назвать эмоциональными воспоминаниями, а не представить в виде поэтапных аналитических расслоений тех или иных событий на составные части. Например, в начале 1990-х гг., когда в очередной раз ожидался кризис американской финансовой системы, управляющий фондом одного из крупнейших инвестиционных банков в Нью-Йорке попытался воссоздать события, сопутствовавшие падению рынка акций в октябре 1987 г. К его удивлению, в банке не оказалось ни зафиксированной информации, ни людей, способных вспомнить и прокомментировать произошедшее. Иными словами, найти историю движения цен и объемов торгов не представляло сложности, но восстановить сопутствующую информацию (слухи, сообщения) было практически невозможно.

Частично это явление можно объяснить значительной текучестью персонала, которая является следствием каждого кризиса. Кроме того, редко существует «единственно верная» трактовка того, что явилось его отправной точкой. Например, нет описания российского дефолта 1998 г., которое рынок мог бы признать точным.

Таким образом, на первом же этапе построения моделей возникает сложность нахождения информации для построения и тестирования гипотез, закладываемых в их основу, а затем калибрования моделей для использования в прогнозировании. Анализ ряда ключевых исследований, приведенный ниже, показывает, насколько меняются выводы в зависимости от исходной информации. Поэтому статистики и говорят, что, «если мучить цифры достаточно долго, можно получить любой желаемый результат».

Реакция рынка на неожиданную информацию

Неожиданные события имеют большое значение для оценки эффективности теории финансовой экономики. Продемонстрируем принятие решения в момент появления новой информации. В середине 1994 г. президент России отдал приказ вооруженным силам о захвате Думы – этим закончилось противостояние спикера Государственной думы Р. Хаcбулатова президентской власти. На рынках валют резко вырос курс доллара. Сообщения информационных агентств с новостями из Москвы поступали непрерывно.

Спустя несколько минут после очередного сообщения дилер одного из российских банков получил несколько звонков от зарубежных коллег с вопросом о том, кто такой Хаcбулатов и какова его роль в происходящих событиях. Сигнал к каким действиям дали эти звонки дилеру?

Доллар в то время играл функцию «безопасной гавани», и когда в тех или иных регионах мира возникала напряженная ситуация, повышался его курс по отношению ко многим другим валютам. Политическая нестабильность в России также вызывала рост доллара. В таких ситуациях очень важно найти ответ на следующий ключевой вопрос: вся ли информация уже отражена в текущей рыночной цене, т. е. купили ли доллар все те, кто нервничал из-за нестабильности ситуации. Звонки из-за границы показали, что многие пытаются разобраться в происходящем и вряд ли информация уже полностью «в цене». Таким образом, дилеру следовало покупать доллар.

Историю реакций рынка на кризисные события демонстрирует таблица 1.1.

Примечания

– Уровни изменения для 22, 63, 126 и 253 дней рассчитаны от последнего дня в колонке, где указаны даты реакции на событие. Первая дата указывает начало рыночной реакции или торговый день, предшествующий событию.

– Рыночные дни.

– В 1916 г. список из 20 акций DJIA был пересмотрен и пересчитан к открытию курса 12 декабря 1914 г.

Источник: индекс Доу-Джонса, 1885–1990 гг.

Из таблицы можно сделать много интересных выводов. Особенно любопытно поведение рынка в дни, предшествующие оккупации Франции Германией в 1940 г. Оказывается, столь стремительная корректировка цен произошла ввиду того, что все европейские рынки следовали повышательной тенденции в месяцы, предшествующие событию. Представьте себе ситуацию в Европе в то время: полная милитаризация, нацисты только что оккупировали несколько стран, английские войска перебрасываются во Францию, а рынок растет. Не правда ли, этот факт подрывает веру в рациональность инвесторов и в их способность правильно трактовать информацию?

Проанализировав данные, приведенные в таблице, можно также сделать вывод о непредсказуемости реакции рынка на неожиданные события. Интересно, что большинство кризисных ситуаций не мешают быстрому восстановлению его позитивной динамики.

Проблемы процесса нахождения модели для прогнозирования

Процесс построения моделей

Рассмотрим методы, используемые «фундаменталистами» для прогнозирования на разных рынках. Для общего понимания процесса построения модели обратимся к профессору Ричарду Левичу, который показывает последовательность нахождения рабочей модели для построения прогноза на рынке валют.

«Выбор можно сделать из многих моделей: монетарный подход, портфельный баланс, покупательный паритет. После избрания модели под нее подбирают параметры: М1, М2, М3, валовой продукт, индекс роста цен, текущий баланс и т. д. Наконец, следует остановиться на одном из методов подсчета: обычное квадратическое отклонение, обобщенное квадратическое отклонение, общий метод моментов и т. д. Предположим, инвестор успешно идентифицировал модель, по которой курс спот S является функцией f набора неизвестных Х_i: S = f (Х₁, Х₂…., Х_n). Таким образом, спот в 2001 г. (статья была написана в 1999 г. – С.В.), а возможно, и позднее, будет функцией Х₁ в 2001 г., Х₂ – в 2001 г., Х₃ – в 2001 г. Но определение значений этих неизвестных в 2001 г. и далее – задача не из легких.

В таком случае инвестор может отвергнуть структурный подход и не следовать, например, структурному анализу временных рядов, а использовать одно- и многопараметрические модели анализа временных рядов, спектральный анализ временных рядов и метод нейронных сетей. Но и для этих моделей инвестор должен выбрать параметры и методы оценки.

Вне зависимости от избранного метода анализа он столкнется со стандартными эконометрическими проблемами, такими, например, как определение объема информации, необходимой для использования модели. В заключение следует напомнить, что модель, возможно, будет объяснять только прошлое, если в итоге историческая информация не окажется индикатором будущей информации»^[54].

Иными словами, для успеха прогнозирования необходимо правильно подобрать и синхронизировать многие «движущие части». К сожалению, как показал кризис финансовых рынков в Бразилии в 2002 г., даже при наличии полной информации и экономически прогрессивном правительстве достаточно одного просчета в предположениях – и самые надежные прогнозы мгновенно рушатся. Продемонстрируем вариант практического анализа этой ситуации.

Накануне выборов 2002 г. рынок оценивал состояние бразильской экономики как стабильное и испытывал большое доверие к способности Банка Бразилии контролировать ситуацию на финансовых рынках. Однако в течение мая – июля вероятность победы кандидата, не поддерживающего рынок, резко возросла. Попытаемся сделать прогноз, какое влияние может оказать руководство страны, неблагоприятно относящееся к рынку, на изменение цен на международных фондовых рынках при неизменном экономическом прогнозе развития Бразилии.

Высокий рейтинг не поддерживающего рынок кандидата станет для инвесторов сигналом на продажу бразильских активов, так как принятые им решения могут привести к неблагоприятным изменениям в экономике. Поскольку инвесторы в активы развивающихся стран, как правило, работают с активами нескольких государств, в момент резкого снижения цен в одном активе они зафиксируют прибыль в других, чтобы гарантировать минимальную стабильность общего результата своего фонда. В результате инвесторы продадут актив других развивающих стран, на которых, казалось бы, не должны сказываться внутриполитические решения бразильских избирателей.

Так все и произошло на практике. В результате цены на бразильские облигации упали в среднем на 40 %! Хотя цены на других развивающихся рынках упали меньше.

Особенности учета в моделях макроэкономических аспектов

Модели часто не работают, так как чисто статистические методы упускают важнейшие качественные зависимости. Например, известно, что фактором, определяющим платежеспособность и стабильность российского рубля, является динамика цен на сырье. Выручка от этой статьи экспорта исторически составляет до 60 % от его общего объема. Несмотря на кажущуюся очевидность зависимости российских финансовых рынков от мировых цен на нефть, корреляционный анализ значимости уровня цен на нефть для состояния рынка ценных бумаг подтверждает это только для 1999–2004 гг. Более того, не очевидна и зависимость российских финансовых рынков от состояния торгового баланса (валютных поступлений). Возможно, объяснением может служить тот факт, что цены на нефть оказывают воздействие на состояние экономики и рынков через величину уплачиваемых налогов или объем ввезенного капитала. Но важно то, что очевидной корреляционной связи нет. Другими словами, основную составляющую экономики не всегда можно выявить с помощью стандартного статистического анализа^[55].

Исходя из опыта финансовых кризисов, произошедших в 1994–1995 и 1997–1998 гг., одним из ключевых моментов, которому необходимо дать количественную оценку, является политическая информация. Такие факторы, как принятие «консервативного» государственного бюджета, усиление способности правительства собирать налоги или утверждение пенсионной реформы, будут способствовать росту рынка любой страны. Но хотя эта динамика и отслеживается экономистами, ее осмысление остается сложной задачей, так как необходимо учесть приоритеты данной экономики в понимании рынка. Рынок же реагирует неодинаково на одни и те же экономические показатели в различных странах и в разное время. Следовательно, стандартизировать использование политической составляющей моделей по меньшей мере сложно.

Еще одной проблемой является неправильный горизонт анализа. Чтобы хотя бы в минимальной степени учесть макроэкономические факторы, аналитики часто используют для среднесрочных прогнозов «проверенные» краткосрочные взаимосвязи. К ним можно отнести не только упомянутую выше взаимосвязь «нефть – Россия», но и «золото – австралийский доллар» или соотношение процентных ставок ЕС/США на валютный курс евро/доллар. При этом тестирование подтвердило взаимосвязи только для краткосрочных (внутридневного, недельного) или долгосрочных горизонтов. Для среднесрочных горизонтов тестирование не проводилось. Однако даже устойчивые долгосрочные соотношения могут видоизменяться. Так, из-за кризиса, начавшегося в 2007 г., расстроилось соотношение ставка ФРС – ставка LIBOR. Стремление использовать плохо подтвержденные эмпирические выводы демонстрирует склонность людей придерживаться собственных выводов, невзирая на их опровержение, которая была отмечена Канеманом и Тверски и рассматривается в части II.

Критический обзор методов, используемых в прогнозировании поведения цен облигаций и акций

Модели, используемые для прогнозирования цен облигаций

Ранее уже рассматривались теории, лежащие в основе моделирования валютных курсов. Перейдем к анализу принципов, на которых строится прогнозирование процентных ставок. Процентная ставка состоит из трех компонентов: реальной ставки, инфляции (реальная ставка плюс инфляция равняется номинальной) и кредитной составляющей. Как показывает практика последних лет Банка Японии и Федеральной резервной системы США, реальная ставка представляет собой разницу между номинальной ставкой и инфляцией, т. е. на практике она рассчитывается «задним числом» и не является самостоятельным фактором^[56].

Модели прогнозирования цен на облигации (и акции) находятся в особой зависимости от прогнозов уровня инфляции, возможно, даже в большей степени, чем при прогнозировании рынков валют. В феврале 1994 г. падение рынка облигаций в США потянуло за собой падение рынка акций и доллара^[57]. Произошло это потому, что ФРБ США поднял ставки, чтобы отразить атаку инфляции. Прогнозирование степени инфляции зависит от динамики валового национального продукта (GNP)^[58], бюджетов стран, их уровня потребления и т. д. Каждый из этих факторов, в свою очередь, колеблется. Одновременно меняется их значимость для прогнозов. Так, вспомним споры А. Гринспена с традиционными экономистами. Они выплеснулись в прессу в конце 1990-х, когда экономика США достигла уровня полной занятости (4,8 % безработицы). Тогда традиционные экономисты утверждали, что на этом этапе возникнет инфляция зарплат, которая приведет к ценовой инфляции. Благодаря росту дешевого импорта из Китая и росту производительности, связанной с внедрением Интернета, первая часть прогноза материализовалась, а вторая – нет, т. е. значимость разных типов информации, а вслед за ними и привычные причинно-следственные связи между показателями видоизменились.

Как показывает опыт России до 1998 г. или Италии в 1992 г., даже верное предсказание нужд бюджета, воздействующего на рынок напрямую, не позволяет точно прогнозировать котировки облигаций. Состояние хронического дефицита было очевидно на протяжении многих лет, но имелись и факторы, которые рынок оценивал как достаточно сильные и устойчивые, например ожидание реформ (в области бюджетирования, налоговой сферы), или внешней помощи, или роста экономики (повышения налоговых платежей), чтобы не реагировать на существующие проблемы.

Важно также отметить влияние экономического состояния США на ставки во всем мире. Де-факто мировой рынок облигаций ориентируется на поведение американского^[59]. Это происходит ввиду его значимости для неамериканских заемщиков. Как только меняются предпочтения американских инвесторов – меняются их спрос и предложение на неамериканские финансовые инструменты. В результате модели предсказания поведения ставок даже в тех странах, которые не входят в долларовый блок, должны включать американские ставки, хотя они и не отражают состояние экономики этих государств.

Таким образом, прогнозирование номинальных ставок является противоречивым процессом, где перед аналитиком ставится практически невыполнимая задача – учесть взаимопереплетающиеся параметры, в том числе даже те, что не имеют прямого отношения к экономике страны (ставки США). Надежность прогноза вряд ли увеличится, даже если принять во внимание огромное количество информации.

Значение дисконтирования будущего и новых факторов в построении моделей

Оценки влияния на субъект (государство, компанию и т. д.) текущих тенденций и будущих событий и вероятности их материализации существенно влияют на цены и акций, и облигаций. Именно на них корректируется текущее состояние. Иногда эта «приведенная» оценка будущего играет гораздо более значимую роль в определении цен, чем сегодняшняя информация. Так, на предкризисном рынке российских ГКО основную роль играла оценка вероятности помощи МВФ.

Оценка размера «коэффициента дисконтирования» будущих событий зависит от предпочтений аналитика. Так, кредитная оценка платежеспособности корпорации в значительной мере базируется на ее денежных потоках, т. е. способности получить достаточно денежных средств для выплаты долгов, а для этого, в свою очередь, необходим прогноз динамики доходов и расходов. Следовательно, нужны прогнозы общего экономического состояния страны, динамики развития данной отрасли и компаний-поставщиков. Аналитик должен выделить не только факторы/тенденции, являющиеся приоритетными сегодня, но и предугадать, какие из них будут преобладать в будущем! Не слишком ли много оценочных показателей и предположений требуется для создания прогноза? Недаром старая аудиторская шутка гласит: «Прибыль – это предмет трактования; только наличные в кассе – это факт».

Критический анализ выводов «фундаменталистов» о международных рынках облигаций

Из рисунка 1.7 следует, что в период 2003–2004 гг. индекс цен акций рос, в то время как снижалась цена дефолтных свопов (своп – финансовый инструмент, цена которого зависит от роста или снижения премии за кредитный риск заемщиков). Это подтверждает взаимосвязь между кредитным риском и ценой акций, предполагаемую теорией и рассматриваемую ниже. Остается неясным, предсказывало ли снижение дисконтных ставок динамику рынка акций. Судя по рисункам, этого не происходило. Прилив ликвидности стимулировал оба рынка одновременно, и хотя фундаментальные финансовые принципы подтвердились, они не представляли ценности для прогнозирования.

Рисунок 1.6^[60] подтверждает догадку, высказанную в комментарии к рисунку 1.5: ликвидность в США (и во всем мире) резко выросла. Это повлекло за собой спрос на все активы одновременно, который во многом и объясняет падение премии за кредитный риск.

Рисунок 1.7^[61] сегодня исключительно популярен как демонстрация практического применения теории финансов и встречается в аналитических изданиях большинства банков и агентств. С его помощью сторонник фундаментального анализа может продемонстрировать, что одновременно с повышением уверенности в росте доходов компаний появляется убежденность в их способности выплатить долги. Это влечет за собой падение кредитного спреда и стоимости заимствования, что, в свою очередь, приводит к падению коэффициента дисконтирования, используемого при оценке акций, и, как следствие, росту котировок акций^[62].

Такой вывод соответствует концепции Мертона, согласно которой акционеры фактически имеют опцион колл на компанию: доходы, полученные сверх сумм, идущих на оплату долгов, поступают владельцам акций, и их размер неограничен. Одновременно владельцы долга фактически получают доход от безрисковой ставки плюс премию за продажу опциона пут на компанию: если компания обанкротится, то они ничего не получат, а если она растет – только проценты.

Когда повышается уверенность в выплате долгов, ожидаемая волатильность цен на акции компании падает. Поскольку волатильность – один из основных компонентов цены опционов, при ее падении падает и цена пута. Соответственно, снижается доходность долга и сужаются кредитные спреды к казначейским обязательствам. Поскольку снижается доходность долга, акционерам остается большая часть доходов, и цена компании увеличивается.

Но вот парадокс: в 1990-х гг. существовало обратное явление, которое исследователи тем не менее тоже объясняли с помощью теории Мертона. Тогда рынок акций рос одновременно с ростом кредитных спредов и акцент был сделан на том, что рост цен на акции сопровождается ростом волатильности^[63], а это увеличивает стоимость пута на облигации и увеличивает доходность^[64]. Но рост волатильности (а она служит одним из способов выражения цен опционов) ведет к увеличению стоимости опциона пут, который инвесторы в облигации как бы предоставляют акционерам. Увеличение же стоимости этого предполагаемого пута увеличивает и требования к доходности облигаций. Иными словами, если послушать обе группы исследователей, рост акций в одном случае был следствием снижения кредитных спредов, а в другом происходил независимо от них или даже вопреки им^[65]. Поскольку теория Мертона не может подтверждать два почти противоположных заявления, скорее всего, причиной происходившего было нечто иное. Попробуем найти им более подходящее объяснение.

Как уже говорилось выше, цена опционов зависит от волатильности (сигмы). При росте непредсказуемости доходов компании сигма растет – и цена ее облигаций падает (доходность повышается). В то же время известно, что повышательная тенденция роста цен акций сопровождается падением их ожидаемой волатильности, поскольку с точки зрения рынка опционов снижается непредсказуемость поведения цен акций. Однако, как и в случае облигаций, падение акций на такой же процент ведет к росту волатильности. Иными словами, рост цен в обоих случаях ведет к уменьшению волатильности, а их падение – к ее росту. Такое неконгруэнтное влияние направления рынка на волатильность во многом объясняется спросом-предложением на опционы, т. е. их ликвидностью.

Опционы пут используют для хеджирования портфелей акций. При падении рынка растет спрос на хеджирование, а потому и цены на путы. При росте рынка происходит обратное: владельцы портфелей акций продают опционы колл, чтобы использовать опционную премию для увеличения дохода от портфеля акций. Таким образом, пока рынок акций растет, мы предполагаем падение ожидаемой волатильности вне зависимости от поведения кредитных спредов.

Из рисунка 1.7 видно, что рост акций (падение волатильности) начиная с 2003 г. сопровождался сужением спредов (корреляция 79,3 %), а в период между 1999–2001 гг. последние начали расти, несмотря на сравнительно низкую волатильность акций. Может быть, это отклонение от теории объясняется тем, что акции продолжали расти ввиду их «популярности», т. е. прилива ликвидности, в то время как на рынке облигаций обратили внимание на ухудшающиеся доходы компаний? Тогда, хотя объяснение Мертона не подошло, другая группа «фундаменталистов» все же «заранее предсказала угрозу спада». К сожалению, трудно найти подтверждение и этой, популярной в свое время точке зрения. Скорее рынок руководствовался другим сценарием.

Рассмотрим ситуацию с точки зрения ликвидности. Можно предположить, что на поздних стадиях роста рынка акций в 1999–2001 гг. инвесторы начали продавать облигации и на вырученные деньги покупать акции. Эта гипотеза и подтверждается фактической информацией. Более того, «фундаменталисты» рекомендовали эти действия под лозунгом светлого будущего инвестиций в эпоху «новой экономики», т. е. облигации продавали не из-за опасений ухудшения доходов, а, наоборот, из-за ожидания, что рост доходов приведет к более быстрому повышению цен акций, чем облигаций. В результате, хотя за четырехлетний период корреляция между спредами и волатильностью достигала 52,8 %, в разгар бума интернет-компаний в 2000–2001 гг. она была отрицательной.