Эндрю Чен, экономист Совета управляющих Федеральной резервной системы США, ставит под сомнение фундамент современного факторного инвестирования. В интервью подкасту Rational Reminder он представляет результаты своих мета-исследований, которые показывают: большинство академических «аномалий» на рынке акций успешно воспроизводятся, но их реальная доходность для инвестора после 2005 года стремится к нулю из-за транзакционных издержек и возросшей эффективности рынков.
🧬 Предикторы, факторы и «зоопарк аномалий» 4:39
В академической литературе часто путают термины «предиктор», «фактор» и «аномалия». По определению Эндрю Чена, предиктор — это переменная (например, отношение балансовой стоимости к рыночной), которая предсказывает будущую доходность актива . Фактор — это уже конкретная торговая стратегия, построенная на основе этого предиктора.
Существует три основных объяснения того, почему эти предикторы вообще работают:
- Риск: стратегия приносит высокую доходность, потому что подвергает инвестора опасности, за которую рынок выплачивает премию .
- Неправильное ценообразование (Mispricing): рынок совершает ошибку, которую инвестор может эксплуатировать.
- Статистическая ошибка: результат является случайным шумом или плодом неверных расчетов .
В современных финансах говорят о существовании так называемого «зоопарка факторов», насчитывающего более 400 аномалий. Однако Чен считает это число завышенным. По его словам, в качественной литературе задокументировано около 200 реальных предикторов . Раздувание цифр до 450 часто происходит из-за того, что авторы некоторых работ (например, Hou, Xue & Zhang) создают по несколько вариаций одной и той же аномалии, манипулируя параметрами .
🧪 Кризис воспроизводимости: миф или реальность? 7:17
Чтобы проверить надежность финансовых исследований, Чен и его коллеги создали Open Source Asset Pricing — открытую базу данных, где попытались воспроизвести результаты 150 классических работ по ценообразованию активов .
Вопреки популярному мнению о «кризисе воспроизводимости» в науке, результаты Чена оказались обнадеживающими:
- Из 300 изученных переменных только 200 действительно претендовали на предсказание доходности в оригинальных статьях .
- Удалось успешно воспроизвести все предикторы, кроме трёх (уровень отказов составил всего 1–2%) .
- По мнению гостя, нашумевшие заявления других ученых о массовых провалах репликации часто связаны с размытостью определений и неверной интерпретацией статистической значимости .
Например, если в оригинальной работе некая связь была признана статистически незначимой, то получение такого же «нулевого» результата при проверке должно считаться успешной репликацией, а не провалом. Многие критики, как утверждает Чен, игнорируют этот нюанс .
📉 Исчезающая доходность и «эффект 2005 года» 14:44
Хотя большинство факторов реально существуют, их доходность в реальном времени (out-of-sample) ведет себя иначе, чем в исторических данных. Исследование показывает, что после публикации данных о факторе его премия снижается в среднем на 50% .
Ключевые выводы по динамике доходности:
- В первые несколько лет после периода, описанного в статье, доходность падает примерно на 25% .
- В долгосрочной перспективе «альфа» большинства стратегий уполовинивается.
- Примерно в середине 2000-х (около 2005 года) произошел резкий перелом («kink»), после которого доходность многих факторов начала стремительно падать .
Эндрю Чен связывает это с развитием технологий и интернета. Если в 1980-х годах для анализа коэффициента Book-to-Market нужно было получать отчеты по почте и вручную вносить данные в таблицы , то сегодня алгоритмы и ИИ делают это мгновенно. Доступность информации сделала рынки намного эффективнее, быстро «убивая» любые возникающие аномалии .
💸 Транзакционные издержки: главный убийца факторов 23:54
Статистическая значимость фактора в академической статье — это «грязная» доходность без учета комиссий. Чен подчеркивает, что академики часто игнорируют расходы на торговлю, так как нет единого мнения о том, как их измерять .
Согласно расчетам Чена и Михаила Великанова:
- Транзакционные издержки съедают от 25% до 30% доходности факторов даже в исторических выборках .
- В современный период (после 2005 года) доходность ЛЮБОГО из известных факторов после вычета издержек фактически равна нулю .
- Даже лучшие из изученных стратегий в последние 15–20 лет не приносят инвестору ничего сверх рыночной доходности, если учитывать реалистичные спреды и проскальзывания .
Однако есть один нюанс: объединение множества предикторов в один портфель может снизить общие торговые затраты. Если один фактор требует продать акцию, а другой — купить её, приказы взаимозачитываются, что экономит на комиссиях .
🤖 Теория против «дата-майнинга» 38:27
В финансовой науке традиционно ценились работы с мощным теоретическим обоснованием — красивыми экономическими моделями равновесия. Исследование Чена, Алехандро Лопеса-Лиры и Тома Циммермана ставит под сомнение ценность таких «умных» теорий .
Основные результаты сравнения:
- Теории не помогают: стратегии с «глубоким экономическим смыслом» работают вне выборки не лучше (а иногда и хуже), чем те, что были найдены простым перебором данных .
- Эффективность перебора: Чен провел эксперимент, в котором компьютер просто перебирал 29 000 различных бухгалтерских коэффициентов на данных 1980 года. Такой «тупой» дата-майнинг позволил найти аномалию инвестиций (Investment Anomaly) за 24 года до того, как её «открыли» и теоретически обосновали ученые в 2004 году .
- «Экономические притчи»: гость цитирует Джона Кокрана, называя многие теории «экономическими притчами» — красивыми историями, которые авторы подгоняют под уже найденные статистические закономерности .
📉 Последствия для инвесторов 50:50
Эндрю Чен призывает инвесторов и практиков к осторожности при использовании академических данных для формирования портфелей.
Рекомендации по итогам исследования:
- Верьте цифрам, а не тексту: описательная часть статьи («теоретическая база») часто не несет никакой полезной информации для предсказания доходности. Важны только сами данные .
- Скепсис к «экзотике»: если стратегия основана на редких или «грязных» данных (например, корпоративные облигации или опционы), к ней должно быть вдвое больше недоверия .
- Скорость имеет значение: любая найденная аномалия теперь живет очень недолго. Если вы читаете о ней в учебнике или старой статье, она, скорее всего, уже «заторгована» до смерти .
Эндрю Чен заключает, что текущее состояние финансовой науки вызывает у него «осторожный оптимизм». Хотя старые методы публикации «один предиктор — одна красивая история» уходят в прошлое, на их место приходят машинное обучение и более строгие мета-исследования, которые, возможно, сделают финансовые модели более соответствующими реальности .
