Фундаментальные принципы факторного инвестирования: взгляд Энди Беркина 0:24
Факторное инвестирование, основанное на количественном анализе и эмпирических доказательствах, остается одним из самых эффективных способов долгосрочного приумножения капитала. Энди Беркин, руководитель исследований в компании Bridgeway, в беседе с ведущими подкаста «Excess Returns» Джастином Карбонно и Джеком Форхэндом подробно разобрал механику факторов, их адаптацию к современным реалиям рынка и роль концептуального мышления в инвестиционной стратегии.
🎓 Уроки физики для инвестора 2:37
Беркин, обладатель докторской степени по физике, отмечает, что путь из науки в инвестиции оказался полезным благодаря навыкам работы с математикой, статистикой и программированием. Однако ключевой урок заключается в разграничении математики и физики (в инвестиционном контексте — самой стратегии).
По мнению эксперта, наличие вычислительных мощностей позволяет манипулировать данными для получения «красивых» результатов на исторических отрезках, которые не гарантируют успех в будущем. Поэтому критически важно не просто владеть математическим аппаратом, но иметь глубокое концептуальное понимание того, почему выбранная стратегия должна работать. Инвестирование — это поиск «сигнала» среди «шума», где дисциплинированный процесс важнее, чем попытки угадать движение котировок.
🔍 Система оценки факторов: критерии выживаемости 10:10
Чтобы фактор считался надежным и перспективным, Беркин предлагает использовать четкую систему фильтров. Фактор должен отвечать следующим требованиям:
- Премия: обеспечивать избыточную доходность (excess return).
- Устойчивость (Persistence): показывать эффективность на протяжении длительных периодов времени.
- Всепроникаемость (Pervasiveness): работать в различных рыночных условиях, секторах и странах.
- Надежность (Robustness): сохранять силу при разных способах математического определения.
- Реализуемость (Implementable): быть применимым на практике, а не только в академических работах.
- Интуитивность (Intuitive): иметь под собой логическое или поведенческое обоснование.
📉 Парадокс «стоимостного инвестирования» и проблема нематериальных активов 14:35
Последнее десятилетие стало испытанием для стоимостного инвестирования (value investing), вызвав вопросы о том, не изменила ли современная технологическая экономика фундаментальные правила рынка. Беркин убежден, что это был лишь один из рыночных циклов, подобных периоду «Nifty Fifty» в 1970-х годах.
Отдельного обсуждения заслуживает использование показателя «цена к балансовой стоимости» (price-to-book) в мире, где нематериальные активы (интеллектуальная собственность, бренды, ПО) играют решающую роль. Беркин отмечает:
- Bridgeway активно исследует корректировку метрик для учета нематериальной составляющей.
- Разнообразие метрик (цена к прибыли, цена к денежному потоку) помогает нивелировать искажения.
- Для глубоких стоимостных стратегий (deep value) проблема нематериальных активов менее остра, так как компании в таких портфелях часто обладают меньшей «нематериальной интенсивностью».
🔄 Мультифакторные портфели и тайминг 26:40
При построении портфелей существуют два основных подхода: «метод рукавов» (sleeve method), где факторы отбираются и сочетаются отдельно, и метод «консенсуса» (blend), где ищутся компании, одновременно обладающие всеми нужными характеристиками. Исследования Bridgeway показывают, что конечные результаты этих подходов схожи, поэтому выбор зависит скорее от способности инвестора объяснить логику стратегии своим клиентам.
Что касается попыток «тайминга» факторов (увеличение доли фактора, когда он стал дешевле), эксперт призывает к крайней осторожности. По его словам, попытка быть «слишком ранним» на рынке часто равносильна ошибке, а периоды недооценки могут длиться значительно дольше, чем ожидают инвесторы.
☁️ Инфляция, AI и перспективы 34:35
В условиях высокой инфляции стоимостные акции исторически показывают лучшие результаты, чем рост (growth stocks). Хотя предсказания в этой области сложны из-за высокой вариативности данных, Беркин считает, что у факторов стоимости есть пространство для дальнейшего роста, так как ценовые спреды между ними и акциями роста еще не закрылись.
Относительно применения искусственного интеллекта и машинного обучения в инвестициях, Беркин проявляет здоровый скептицизм. Обилие степеней свободы в таких алгоритмах повышает риск «подгонки» данных (data mining). Главный совет эксперта: всегда проверять гипотезы на контрольных выборках и глубоко понимать природу каждого сигнала, прежде чем полагаться на него в управлении средствами.
