В новом выпуске финансового подкаста Excess Returns ведущие Джастин Карбонно и Джек Форхэнд обсудили с основателем Sparkline Capital Каем Ву его последнее исследование, посвященное нематериальным активам. Аналитик предлагает интегрировать фактор нематериальной ценности в классическую пятифакторную модель Фама-Френча в качестве шестого компонента. Этот подход призван модернизировать традиционное стоимостное инвестирование, адаптировав его к реалиям современной цифровой экономики.
📉 Кризис традиционного стоимостного инвестирования 2:20
Системное стоимостное инвестирование исторически опиралось на чистые теоретические принципы: покупку дешевых акций и продажу дорогих. Однако, как отмечает Кай Ву, классические стратегии, базирующиеся на коэффициенте Price-to-Book (P/B) и сформулированные Бенджамином Грэмом еще в 1930-х годах, перестали работать примерно 15 лет назад. С этого момента стратегии покупки компаний с низким P/B начали демонстрировать сильное отставание от рынка. Попытки практиков исправить ситуацию за счет нейтрализации секторов или изменения деноминаторов не принесли значимых результатов.
По мнению гостя, главная причина кризиса кроется в фундаментальной трансформации мировой экономики. Крупнейшие современные корпорации, такие как Microsoft или Apple, генерируют прибыль не за счет материального капитала, а с помощью нематериальных активов. Сюда относятся:
- Интеллектуальная собственность (IP);
- Сила бренда;
- Человеческий капитал;
- Сетевые эффекты.
Если инвестиционная модель не учитывает эти компоненты, она неизбежно формирует портфель с жестким перекосом в сторону капиталоемких отраслей — банков, страховых компаний, энергетики и тяжелой промышленности. При этом современные технологические лидеры незаслуженно оказываются в категории «дорогих» активов, против которых открываются короткие позиции, что и приводит к систематическому убытку стоимостных инвесторов. Нематериальные активы, как утверждает Кай Ву, стали тем самым недостающим элементом, без которого невозможно адекватно измерить реальную ценность бизнеса.
📊 Ограничения учета и четыре столпа нематериального капитала 5:47
Существующие стандарты бухгалтерского учета (в частности, американская система US GAAP) создают серьезные искажения в корпоративной отчетности. Кай Ву указывает на системную непоследовательность: когда компания тратит 10 миллионов долларов на строительство завода, эти расходы капитализируются и переносятся в баланс как материальный актив. В то же время инвестиции в исследования и разработки (R&D) или маркетинг списываются напрямую в текущие расходы, мгновенно занижая чистую прибыль текущего года. В качестве примера приводится корпорация Coca-Cola, которая за свою историю вложила около 100 миллиардов долларов в рекламу, но ее колоссальный капитал бренда фактически не отражен в балансе.
Некоторые академики и практики предлагают механически капитализировать и амортизировать затраты на R&D и административные расходы (SG&A). Однако, по оценкам Ву, такой прямолинейный подход решает проблему смещения против ИТ-сектора лишь на 30%, оставляя стратегии в затяжной просадке. Причина неэффективности банальной капитализации затрат заключается в слабой корреляции между историческими расходами и итоговым результатом. В индустрии технологий небольшая команда программистов в гараже способна создать революционный алгоритм (как это было с поисковым алгоритмом PageRank у Google), опередив корпорации с миллиардными бюджетами. Инфлюенс-маркетинг также позволяет создавать огромную ценность бренда при минимальных вложениях. Таким образом, учет исторических затрат не позволяет точно оценить нематериальный куш.
Для решения этой проблемы Sparkline Capital выделяет четыре фундаментальные категории нематериальных активов, определяющих защитный ров (moat) современного бизнеса:
- Интеллектуальная собственность (IP): включает патенты, программное обеспечение, коммерческую тайну и эксклюзивные базы данных.
- Капитал бренда (Brand Equity): лояльность потребителей и общая узнаваемость торговой марки на рынке.
- Человеческий капитал (Human Capital): наличие высококвалифицированных, мотивированных сотрудников и сильная корпоративная культура.
- Сетевые эффекты (Network Effects): сформированная экосистема внешних производителей и потребителей, повышающая ценность платформы с каждым новым участником (примеры: Apple, Uber, фондовые биржи).
🤖 Квантификация данных с помощью искусственного интеллекта 11:00
Процесс построения фактора нематериальной ценности состоит из двух этапов: оцифровки качественных показателей и интеграции их в стандартную модель взвешивания портфеля. Чтобы оценить интеллектуальную собственность компаний из индекса Russell 1000, команда Кая Ву скачала полную базу данных Патентного ведомства США, ведущую отсчет с 1790 года. Поскольку вручную обработать миллионы документов невозможно, фирма применила алгоритмы машинного обучения и технологии обработки естественного языка (NLP). Алгоритм анализирует аннотации к патентам и присваивает им динамический балл инновационности. Например, двигатель внутреннего сгорания был прорывом в начале XX века, но сегодня передовым рубежом признаются электромобили.
Стратегия Sparkline Capital остается стоимостной: модель не просто ищет компании с наибольшим числом патентов, а рассчитывает коэффициент «инновационной доходности» — объем качественного нематериального капитала на один доллар рыночной капитализации. Для оценки остальных столпов используются альтернативные неструктурированные данные:
- Профессиональная сеть LinkedIn (с 2008 года) — для анализа миграции талантов и устойчивости штата;
- Транскрипты квартальных отчетов и звонков топ-менеджмента (Earnings Calls);
- Платформы Glassdoor и вакансии — для оценки внутренней культуры и планов по найму;
- Мониторинг социальных сетей — для измерения силы бренда.
По словам аналитика, бэктесты на основе этих данных надежно работают с 1990-х годов. Спикер подчеркивает, что с 2019–2020 годов его фирма задействует продвинутые трансформерные модели и большие языковые модели (LLM), подобные GPT-4, что позволяет эффективно превращать неструктурированные тексты в жесткие математические факторы.
📈 Новое измерение: шестифакторная модель и корреляция 16:10
Чтобы легитимизировать свое исследование в рамках академического финансового мейнстрима, Кай Ву сконструировал долгосрочный фактор нематериальной ценности, названный iHML (Intangible High minus Low). Его построение полностью копирует методологию Фама-Френча: акции делятся на крупные и мелкие, внутри которых покупаются топ-33% лидеров по соотношению нематериальных активов к цене и шортятся нижние 33%. Транзакционные издержки и плата за шорт в академическом тесте не учитывались.
Результаты 25-летнего бэктеста показывают, что фактор iHML обеспечил стабильную избыточную доходность, сопоставимую с факторами импульса (momentum) и качества (quality), опередив при этом классический стоимостной фактор. Исследователи проверили распределение доходности и выяснили, что альфа-генерирующийся потенциал распределен поровну: около половины прибыли поступает от длинных позиций против рынка, и половина — от коротких.
Ключевым открытием работы, по мнению Ву, является корреляция iHML с другими известными факторами. Математический анализ зафиксировал rolling-корреляцию в экстремально узком диапазоне от -14% до +9%, что фактически означает околонулевую связь. Взаимосвязь с традиционным фактором стоимости (HML) оказалась наиболее динамичной: во время технологического пузыря конца 90-х она была умеренно положительной, но по мере взросления ИТ-сектора стала стабильно отрицательной. Это делает iHML идеальным инструментом для взаимной диверсификации.
⚖️ Различие между качеством и нематериальной ценностью 23:03
В ходе беседы возник закономерный вопрос: почему фактор нематериальной ценности не коррелирует с фактором качества (рентабельности), если именно патенты и бренд позволяют компаниям удерживать высокую маржу? Кай Ву объяснил этот парадокс через временной лаг инвестиционного цикла. Sparkline Capital провели специальное исследование, отслеживая изменение рентабельности собственного капитала (ROE) компаний на горизонте нескольких лет после крупных нематериальных вложений.
Как выяснилось, на первом этапе масштабные расходы на R&D или глобальный маркетинг существенно снижают текущую чистую прибыль и ROE предприятия. Однако на второй, третий и последующие годы эти вложения начинают окупаться за счет низких предельных издержек цифрового масштабирования, вызывая взрывной рост рентабельности. Из этого гость делает важный вывод о разнице в менталитете инвесторов:
- Инвесторы в «качество» фиксируют текущую высокую маржинальность бизнеса, которая уже заложена в цену;
- Инвесторы в «нематериальную стоимость» покупают будущую рентабельность, находя компании на этапе создания долгосрочных защитных рвов.
💼 Практическое применение в Long-Only портфелях и анализ ETF 31:27
Для розничных и институциональных инвесторов, не использующих шорты, Кай Ву протестировал модель «длинного» портфеля (Long-Only). За базовую точку отсчета берется классическое распределение: 50% активов направляется в индексный фонд (например, на индекс S&P 500), а остальные 50% распределяются по факторным стратегиям. Поскольку в такой схеме отсутствует короткое плечо, общая экспозиция на рыночный риск составляет 75%, а на специфические факторы — 25%. Данный умеренный факторный наклон генерирует ошибку следования (tracking error) на уровне 3% относительно бенчмарка при исторической избыточной доходности в 1,7% годовых. Полный отказ от индекса в пользу равных долей во всех факторах поднимает tracking error до 6%.
Команда Sparkline Capital провела регрессионный анализ крупнейших многомиллиардных ETF от провайдеров iShares, Avantis и Dimensional через свою шестифакторную модель. Результаты подтвердили, что фонды жестко придерживаются своих мандатов: ETF качества имеют экспозицию на прибыльность, стоимостные фонды — на HML (часто с сопутствующим уклоном в малую капитализацию).
Однако, как продемонстрировал скрининг, ни один из крупнейших классических факторных ETF не имеет статистически значимой экспозиции на iHML. Расширенный поиск по всему рынку выявил, что высокие баллы по шкале нематериальной ценности сейчас имеют преимущественно фонды роста — такие как Invesco Nasdaq 100 (QQQ) и iShares Russell 1000 Growth ETF (IWF). Это подчеркивает тесную связь между долгосрочной стоимостью нематериальных активов и инвестициями в технологические инновации.
🚀 Парадокс инновационных фондов и финальная сборка модели 37:50
Многие инвесторы пытаются компенсировать хронический недовес технологического сектора в стоимостных портфелях прямой покупкой ETF роста вроде QQQ, IWF или специализированных тематических фондов типа ARK Innovation ETF (ARKK) и iShares Exponential Technologies ETF (XT). По мнению Кая Ву, этот интуитивный шаг несет в себе скрытые риски и побочные эффекты. Шестифакторный анализ показывает, что подобные фонды действительно закрывают дефицит инноваций, но взамен нагружают портфель экстремально отрицательной экспозицией на традиционную стоимость и текущее качество активов (особенно в случае с нерентабельными технологиями в ARKK). Попытка диверсификации превращается в открытие позиций против системных факторов стоимости и качества.
Исторический анализ декомпозиции доходности популярных ETF роста показал, что именно скрытый фактор iHML выступал стабильным и наименее волатильным драйвером их успеха, обеспечив около 20% совокупного выигрыша QQQ над рынком с 2010 года. При этом шорт по традиционной стоимости приводил к колоссальным просадкам инновационных фондов в периоды сдувания пузырей. Интеграция iHML напрямую в качестве шестого фактора позволяет точечно извлечь премию за инновации и владение интеллектуальным капиталом, не разрушая при этом экспозицию на качественные показатели и недорогие материальные активы.
В завершение дискуссии Ву отметил, что для повсеместного признания модели в академических кругах эмпирических финансов потребуется тесная конвергенция традиционного квантового анализа с методами обработки неструктурированных данных Computer Science. Этот процесс адаптации и обучения индустрии может занять от 10 до 20 лет.
