В новом выпуске подкаста Excess Returns инвестиционный эксперт и соучредитель ReSolve Asset Management Адам Батлер (Adam Butler) ставит под сомнение одну из главных догм активного управления: веру в то, что инвестор может статистически доказать наличие у себя «мастерства» (edge) на протяжении одной человеческой жизни. Собеседники обсуждают концепцию «наслоения доходности» (Return Stacking), риски пассивного инвестирования и неизбежную трансформацию рынка труда под влиянием ИИ и робототехники.
🎲 Иллюзия мастерства: почему «альфа» неотличима от шума 2:09
По мнению Адама Батлера, фундаментальная проблема активного инвестирования заключается в том, что размер «преимущества» (edge) ничтожно мал по сравнению с рыночным шумом и волатильностью . Даже если у менеджера есть реальное умение выбирать акции (альфа), статистически подтвердить, что его успех не является случайностью, в рамках 30-летнего инвестиционного горизонта практически невозможно.
Чтобы доказать это, Батлер провел симуляцию на основе данных академического исследования «Q-factor model» (авторы Hou, Xue и Zhang) . В распоряжении исследователей было 180 различных инвестиционных стратегий (факторы моментума, стоимости, прибыльности и т.д.) с ежедневными данными с конца 1960-х годов .
Результаты эксперимента, по словам Батлера, оказались неутешительными для тех, кто верит в отбор лучших стратегий:
- Если выбрать 10 лучших стратегий на основе их показателей за предыдущие 30 лет (например, по коэффициенту Шарпа) и удерживать их следующие 20–30 лет, результат в среднем окажется на уровне медианы .
- Случайная выборка из 20 стратегий чаще всего превосходит «тщательно отобранный» портфель из 10 стратегий .
- Мастерство выбора конкретных методологий ex-ante (заранее) на длинных дистанциях практически равно нулю из-за избыточного шума .
Батлер утверждает, что вместо попыток найти «одну идеальную стратегию», инвесторам следует использовать «бесплатный обед» диверсификации, включая в портфель как можно больше разумных, некоррелированных факторов .
🥞 Return Stacking: как «наслаивать» доходность без продажи активов 6:26
Одной из центральных тем беседы стала концепция Return Stacking (наслоение доходности), которую Батлер и его коллеги продвигают через линейку ETF. Эта стратегия является развитием институциональной идеи «переносной альфы» (Portable Alpha) .
Традиционно, чтобы добавить в портфель новый актив (например, золото или управляемые фьючерсы), инвестору приходится продавать часть акций или облигаций. Батлер указывает на психологическую ловушку: если новая стратегия показывает более высокий коэффициент Шарпа, но более низкую абсолютную доходность, инвестор «не может съесть коэффициент Шарпа» — его общая прибыль падает .
Return Stacking позволяет избежать этого выбора:
- Использование плеча через фьючерсы: Институционалы используют лишь 5% капитала для обеспечения фьючерсов на S&P 500 и облигации, высвобождая 95% средств для других активов .
- Эффект «глазури на торте»: Инвестор сохраняет 100% экспозиции на классический портфель 60/40, а сверху «наслаивает» некоррелированные стратегии (например, Managed Futures или Carry) .
- Диверсификация риска: Батлер подчеркивает, что важно наслаивать именно те стратегии, которые имеют околонулевую или отрицательную корреляцию с рынком акций, особенно в периоды кризисов, как в 2008 году .
📈 Стратегии Carry и Managed Futures в деталях 45:58
Батлер подробно объясняет суть стратегии Futures Yield (Carry), которая часто остается непонятной для розничных инвесторов. Он называет Carry «способом рынка гарантировать отсутствие бесплатных денег» .
Механика работы Carry, по словам Батлера:
- На рынке акций: Фьючерс на индекс должен торговаться чуть ниже спотовой цены, чтобы компенсировать отсутствие дивидендов у держателя фьючерса. Эта разница (дисконт) постепенно сокращается к моменту экспирации, создавая доходность .
- На сырьевом рынке: Производители (например, медные рудники) готовы продавать будущую продукцию дешевле текущей цены, чтобы зафиксировать прибыль и получить более дешевое финансирование у банков .
- Роль спекулянта: Инвесторы в Carry фактически продают «цеховую страховку» производителям, получая за это страховую премию в виде положительной разницы цен (контанго/беквордация) .
Также Батлер затронул налоговый аспект: в структуре ETF использование фьючерсов на облигации может быть более выгодным, чем владение физическими облигациями, благодаря правилу налогообложения 60/40 (60% как долгосрочный прирост капитала, 40% как обычный доход) .
📉 Тупик пассивного инвестирования и «эффект Майка Грина» 59:15
Собеседники обсудили теорию Майка Грина (Mike Green) о том, что доминирование пассивных фондов искажает структуру рынка. Батлер согласен с тем, что автоматические потоки капитала превращают рынок из «весов» (оценка фундаментальной стоимости) в «машину для голосования» (простое отражение притоков) .
Ключевые риски этой системы, по мнению Батлера:
- Искажение ликвидности: Если акция занимает 5% в индексе, в неё автоматически направляется 5% всех притоков. Однако реальная ликвидность этой бумаги может не соответствовать такому объему, что ведет к непропорциональному росту цен .
- Хвост виляет собакой: Раньше рынок реагировал на экономику, теперь экономика зависит от рынка. Регуляторы вынуждены поддерживать цены активов, так как они стали де-факто пенсионной системой страны .
- Риск обвала: Батлер допускает сценарий «движения к нулю», если потоки капитала развернутся из-за роста безработицы и сокращения взносов в пенсионные планы .
🤖 ИИ и робототехника: двойная экспонента роста 1:07:08
В завершение Адам Батлер поделился своим взглядом на влияние Искусственного Интеллекта на экономику. В отличие от Асвата Дамодарана, который скептичен относительно влияния ИИ на ВВП, Батлер ожидает взрывного роста производительности .
Прогнозы Батлера относительно технологий:
- Проблема «агентов»: Текущие модели успешны в 95% случаев. Но при выполнении сложной задачи из 10 последовательных шагов вероятность ошибки накапливается, снижая общий успех до 50% . Для прорыва нужны модели с надежностью 99.9% на каждом шаге.
- Автоматизация науки: Батлер упоминает японские разработки, где ИИ самостоятельно генерирует гипотезы, пишет код, проводит анализ данных и верстает научные статьи в итерационном цикле .
- Двойная экспонента: Мы вступаем в фазу, когда ИИ и роботы используются для проектирования еще более совершенных ИИ и роботов .
Батлер считает, что в ближайшие 1-2 года мы увидим роботов, способных надежно выполнять бытовые задачи (разбор посудомойки, приготовление еды) и вождение автомобиля . По его мнению, главным навыком человека будущего станет «самообучение и любопытство», так как технические барьеры (например, знание языков программирования) исчезают .
