А.Ерешко.Стратегии в задачах управления портфелем ЦБ
.pdfбудь то продажа или покупка. Мы будем рассматривать несколько типов поведения инвестора в расчетах с биржей.
Основная задача, случай G.
Если инвестор в день t проводит операции с некоторым видом бумаг i , то с данным видом бумаг это только одна операция: либо продажа (части) бумаг i , либо покупка (дополнительная) бумаг вида i .
В этом случае динамика изменения количества бумаг в портфеле (из ht в ht ) удовлетворяют соотношению
N
(ct ht ) (ct ,ht ) (k ct,i ht,i ct,i ht,i ) . i 1
Вспомогательная задача, случай E
Вначале сессии инвестор продает все бумаги и на полученный капитал закупает в конце сессии новый набор облигаций.
Вэтом случае динамика портфеля описывается соотношением
NN
(ct ht ) (ct ,ht ) (kct,i ht,i ) (kct,i ht,i ) . i 1 i 1
Вспомогательная задача, случай O
Инвестор не выплачивает комиссию.
В этом случае динамика портфеля описывается соотношением
(ct ht ) (ct ,ht ) .
Через St , St обозначим стоимость портфеля до и после управления в день t , соответственно
NN
St St ,i , St |
St ,i . |
i 1 |
i 1 |
41
Целью управления будет максимизация за период [0,T ] дохо-
да ST от вложенного в ценные бумаги в первый день управления
капитала и минимизация риска.
Изменение цен от сессии к сессии будем описывать в виде марковского процесса с дискретным временем и глубиной p , т.е.
вектор цен в день t – это случайный вектор ct с распределением
F(ct ) Ft (ct Ct 1 ,Ct 2, ,Ct p ) , t 0,1,2, T .
В дальнейшем управление в день t в рассматриваемой модели отождествим с выбором ht .
Набор таких функций H {ht ( )}Tt 0 назовем стратегией управления, а множество подобных стратегий обозначим . Любая стратегия H и матрица A1 (ct )t0 p полностью определяют вероятностное распределение на траекториях
(h0 ,c1, h1 , h1 ,c2 , ,cT 1 , hT 1 , hT 1,cT ) ,
которое индуцирует распределение ST как случайной вели-
чины.
Рассмотрим для этой операции инвестора два критерия: критерий, описывающий ожидаемый результат, и критерий, описывающий риск операции.
Критерий математическое ожидание
Ставится задача максимизировать математическое ожидание трансформации ST в классе стратегий :
M (ST ) max ,
или |
max |
M |
|
(c , h ) , |
|
|
|
|
c1 ,c2 , ,cT |
T T 1 |
|
h0 |
,h1 |
, ,hT 1 |
|
|
42
при ограничениях на динамику портфеля и некоторых ограничениях на переменные процесса.
Критерий допустимых потерь
Как отмечается в [10, 93], в последнее время в задачах управления портфелем все большую популярность приобретает критерий VaR (Value at Risk), отражающий вероятность превышения (или недостижения) заданного уровня некоторым избранным показателем качества управления и состояния процесса.
Определим в нашем случае при каждой заданной стратегии управления H этот критерий в виде
W2 PF (ct ) ((cT ,hT ) K ) , t 0,1, ,T ,
где F(ct ) – определенное выше распределение для случайного вектора цен, а K – заданный уровень конечного результата.
Перепишем это определение, используя операцию осреднения и характеристическую функцию:
W2 M c1 ,c2 , ,cT (H ,(c0 , h0 )) ,
где характеристическая функция имеет вид
T (H |
|
, (c0 |
1, |
если |
cT hT K, |
|
, h0 )) |
если |
cT hT K. |
||
|
|
|
0, |
Как следует из приведенной записи, при управлении портфелем инвестору желательно стремиться к увеличению показателя ка-
чества W2 .
Парето-оптимальные решения
Введенные таким образом критерии позволяют сформулировать двухкритериальную задачу управления портфелем: (W1 ,W2 )
при ограничениях, описывающих динамику изменения состояния портфеля, и при управлении в широком классе управлений, как функций от состояния портфеля и процесса изменения цен. Отдель-
43
ные постановки задач в зависимости от информированности инвестора приводятся ниже.
Как и в общем случае, в данной постановке можно строить отдельные точки паретовского множества введенных критериев, решая задачи
1W1 2W2 max
при фиксированных 1 , 2 0 и 1 2 1.
Замечания
1. Как следует из определения (W1 ,W2 ) и свойств операции осреднения, для решения сформулированной задачи
max M c1 , ,cT ( 1 (cT , hT ) 2 T (H ,(c0 , h0 ))
допустимо использование формализма динамического программирования и, следовательно, возможно выписать уравнения Беллмана.
2. В то же время, если в качестве оценки риска принимается дисперсия конечного состояния портфеля по аналогии с классическим случаем задачи Марковица в одношаговом случае, то уравнения Беллмана не приводят к решению задачи, как показывает следующий пример.
Рассмотрим динамический процесс управления ценными бумагами в исходной постановке. Пусть задана некоторая стратегия поведения. Поставим вопрос: можно ли, двигаясь справа налево и отслеживая для состояний системы только дисперсию, просчитать дисперсию результата для всех состояний. Отрицательный ответ следует из примера.
Шаги t 1,2,3; одна бумага в портфеле в единственном числе; состояния s11 , s21 , s22 , s31 , s32 – первый индекс – шаг, второй индекс
нумерует состояния на шаге; управление в каждом состоянии одно, безальтернативное.
44
После первого шага с равной вероятностью система попадает либо в состояние s21 , либо в состояние s22 . Из любого из этих со-
стояний на третьем шаге система детерминированно попадает в состояние с тем же вторым индексом.
Цены на бумагу: c11 1, c21 c31 a, c22 c32 b .
Отсюда дисперсия результата (конечного капитала) для состояний s21 и s22 в силу дальнейшей детерминированности процесса равна нулю.
Результирующий капитал после состояния s11 примет с рав-
ной вероятностью или значение a , или b . Поэтому дисперсия результата равна
0.5* ( |
a b |
) |
2 |
0.5* ( |
b a |
) |
2 |
|
(a b)2 |
, |
2 |
|
2 |
|
4 |
||||||
|
|
|
|
|
|
|
|
т.е. является функцией разности a b , что не соответствует предыдущей нулевой оценке.
3. На практике [16] при решении динамических задач используется следующая модификация критерия типа дисперсии:
W2 M c1 , ,cT ((cT , hT ) K)2 .
§2. Постановки задач при критерии математического ожидания
Во всем дальнейшем тексте рассматривается однокритериальная задача при критерии математического ожидания.
В зависимости от информированности инвестора и соответственно класса стратегий могут быть сформулированы различные задачи управления процессом трансформации портфеля.
Программные стратегии (функции времени)
а) Если инвестор будет располагать информацией о реализации случайного процесса цен на весь рассматриваемый интервал и вы-
бирать управления в виде ht как функции времени, т.е. как функ-
45
ции только номера шага, то его наибольший результат запишется в виде:
M |
c1 |
,c2 |
|
max |
(c , h |
) W . |
|
, ,cT h ,h , ,h |
T T 1 |
1 |
|||
|
|
|
0 |
1 T 1 |
|
|
б) Если оставаясь в рамках программных стратегий инвестор не будет располагать никакой информацией о реализациях случайного процесса, то его наибольший результат запишется в виде
|
max |
M |
|
(c , h |
) W , |
|
|
|
|
c1 ,c2 , ,cT |
T T 1 |
1 |
|
h0 |
,h1 |
, ,hT 1 |
|
|
|
и решение задачи фактически сведется к детерминированному случаю.
Стратегии – политики (класс синтезов)
в) Если управление в день t разыскивается в виде функции от истории, т.е.
ht ht (ct ,ct 1 , ,ct p 1 ;ht ,ht 1 ,ht 1 , ,h2 ,h2 ,h1 ) , t 1,2, T 1,
что предполагает, что инвестор будет постепенно шаг за шагом получать информацию о ценах, то его наибольший результат запишется в виде
max M |
c1 |
max M |
c2 |
max M |
(c h |
) W . |
|
|
|
cT T T 1 |
2 |
||
h0 |
|
h1 |
|
hT 1 |
|
|
г) Если инвестор будет располагать информацией на шаг вперед, во всем оставаясь в рамках предыдущей постановки, то его наибольший результат запишется в виде
M |
c1 |
max M |
c2 |
max M |
cT |
max(c h |
) W . |
|
|
|
|
|
T T 1 |
2 |
|||
|
|
h0 |
|
h1 |
|
hT 1 |
|
|
46
Во всех перечисленных выше постановках учитываются ограничения на динамику портфеля в одной из записей G, E, O.
Теорема 1. Верны следующие соотношения:
W1 W2 W2 W1 .
Доказательство
Данный факт следует из того, что в каждой последующей задаче по сравнению с предыдущей рассматривается более широкий класс управлений, содержащий в себе и управления предшествующей задачи.
Теорема 2. W2 (O) W 2(G) W2 (E) .
Доказательство
Этот факт следует из монотонной зависимости конечного дохода от комиссионных изъятий: наибольшее изъятие – в случае E, наименьшее изъятие – в случае O, промежуточное – в случае G.
Все дальнейшее рассмотрение в данной работе относится к случаю в), как наиболее реалистичному случаю, и в смысле получения информации, и в смысле содержания задачи управления портфелем ценных бумаг.
Постановка задачи в модели CALM [16] также относится к данному классу.
§3. Стохастическая задача в классе синтеза без комиссии
Рассмотрим вспомогательную стохастическую задачу без комиссии (случай O) в постановке в). Обращение к этой задаче определяется оценкой по теореме 2 интересующей нас задачи в) в постановке случая G и простотой выкладок.
Как следует из изложенного выше, в этом случае процесс из-
менения портфеля имеет вид (ct ,ht ) (ct ,ht ) , где ht , ht 1 – векто-
ры, компоненты которых есть количества облигаций номеров j , j 1,2, , N , в портфеле после акта принятия решения на сессиях номеров t , t 1 соответственно.
Управление ищем в виде ht ( ) ht (ct , ht 1 ) .
47
Функционал имеет вид (cT ,hT 1) .
Оптимальная задача в этом случае, в силу Марковости процесса цен и типа ограничений, будет иметь вид
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
max |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
M c1 |
max |
M c2 |
|
|
|
|
|||||||||||||||
h0 |
: |
,h |
) S |
|
|
h1 : |
|
|
|
|
|
|
|
|
|
|
|
|||||
(c |
|
|
(c |
,h ) |
|
|
|
|
|
|
|
|
||||||||||
|
0 |
|
0 |
|
|
|
|
0 |
|
1 |
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(c1 ,h0 ) |
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
max |
M c |
|
|
|
max |
M c |
|
|
. |
||||||||||
h |
|
h |
cT , hT 1 |
|
||||||||||||||||||
|
|
|
|
2 |
: |
|
|
|
T |
1 |
|
|
1 |
: |
T |
|
|
|||||
|
|
|
T |
|
|
|
|
|
|
|
|
T |
|
|
|
|
|
|
||||
|
|
(cT 2 ,hT 2 ) |
|
|
|
|
(cT 1 ,hT 1 ) |
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(cT 2 ,hT 3 ) |
|
|
|
|
(cT 1 ,hT 2 ) |
|
|
|
Определим WT (cT ,hT 1) (McT ,hT 1) и выпишем последовательно для этой задачи уравнения Беллмана [86].
|
|
Шаг 1. |
При выборе |
hT 1 |
на сессии T 1 для каждой пары |
||||||
cT 1 , hT 2 |
решаем задачу линейного программирования |
||||||||||
W |
1 |
(c |
1 |
,h |
2 |
) max M |
cT |
(c ,h |
1 |
) , |
|
T |
T |
T |
|
T |
T |
|
|||||
|
|
|
|
|
|
hT 1 |
|
|
|
|
|
при ограничении (cT 1, hT 1 ) (cT 1, hT 2 ) .
Решение данной задачи находится в одной из вершин, найдем некоторую jT 1 -ю:
c |
|
|
|
h |
|
|
(c |
, h |
2 |
) h |
|
|
|
(cT 1, hT 2 ) |
. |
|
|
|
|
|
|
|
|
||||||||
T 1, j |
T 1, j |
T 1 |
T |
T 1, j |
|
cT 1, j |
|||||||||
|
|
T 1 |
|
T 1 |
|
|
|
|
T 1 |
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
T 1 |
48
Подставим это соотношение в функционал рассматриваемой на этом шаге задачи и получим выражение для оценки оптимального значения функционала общей задачи, если процесс начинается с
точки hT 2 |
при цене cT 1 : |
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
W |
(c |
, h |
|
2 |
) |
max M |
c |
|||||
T 1 |
T 1 |
T |
|
|
jT 1 |
|
cT , jT 1 |
T , jT 1 |
||||
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
||
|
|
Mc |
T , jT 1 |
|
|
|
|
|
|
|||
max |
|
|
c |
|
, h |
2 |
. |
|
||||
|
|
|
|
|
|
|
||||||
|
jT 1 |
cT 1, jT 1 |
|
T 1 |
T |
|
|
|||||
|
|
|
|
|
|
|
|
(c |
|
, h |
2 |
) |
|
|
T |
1 |
T |
|
|
|
|
|
|
|
|
|
||
cT 1, jT 1 |
|
|
|
|
||
|
|
|
|
Наряду с этой прямой задачей линейного программирования рассмотрим двойственную ей задачу. Она имеет вид
min (cT 1, hT 2 ) T 1
T 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
при условии |
|
c |
Mc , где |
T |
– двойственная скалярная пе- |
|||||||||||||
ременная. |
|
|
|
T 1 |
T |
1 |
|
T |
|
|
1 |
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
Отсюда следует, что решение двойственной задачи достигает- |
||||||||||||||||
ся при |
|
|
max |
McT , jT 1 |
. |
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
T 1 |
|
|
jT 1 |
|
cT 1, j |
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
T 1 |
|
|
|
|
|
|
||
|
|
В силу определения процесса изменения цен видно, что двой- |
||||||||||||||||
ственная |
|
переменная |
|
T |
|
зависит только от c |
, т.е. |
|||||||||||
|
|
|
|
(c |
|
) . |
|
|
|
|
1 |
|
|
T |
1 |
|||
|
T |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
1 |
T 1 |
|
T |
1 |
|
|
|
|
|
|
|
|
|
|
|
Шаг 2. Теперь на сессии T 2 , для каждой пары cT 2 , hT 3 мы решаем задачу
W (c , h ) max MW (c , h )
T 2 T 2 T 3 hT 2 T 1 T 1 T 2
49
при ограничении (cT 2 , hT 2 ) (cT 2 , hT 3 ) .
В силу предшествующего замечания относительно T 1 эта
задача также есть задача линейного программирования:
|
|
|
|
|
|
|
|
McT , jT 1 |
|
|
|
|
|
|
|
|
|
|
|
|||||
max M |
|
|
max |
c |
|
, h |
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
||||||||||||||||||
hT 2 |
|
|
cT 1 |
|
jT 1 |
c |
T |
|
|
|
T 1 |
T |
|
2 |
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
1, jT 1 |
|
|
|
|
|
|
|
|
|
|
|
|||
max M c |
|
T 1 (cT 1 )cT 1 ,hT 2 |
|
|
|
|
|
|
|
|
||||||||||||||
hT 2 |
|
|
T |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
при ограничении (cT 2 , hT 2 ) (cT 2 , hT 3 ) . |
|
|
|
|||||||||||||||||||||
|
|
Вершина jT 2 , где достигается решение этой задачи, находит- |
||||||||||||||||||||||
ся из соотношения |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
c |
2, j |
|
|
h |
2, j |
(c |
|
2 |
, h |
3 |
) |
h |
2, j |
|
|
(cT 2 , hT 3 ) |
. |
|||||||
|
|
|
|
|
||||||||||||||||||||
T |
2 |
T |
2 |
T |
|
T |
|
|
T |
2 |
|
cT 2, j |
|
|
||||||||||
|
T |
|
|
|
T |
|
|
|
|
|
|
|
|
|
|
T |
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
T |
|
Оптимальное значение оценки функционала общей задачи для состояния cT 2 , hT 3 запишется в виде
W (c , h ) max
T 2 T 2 T 3 jT 2
M |
|
|
|
|
max |
||
|
cT 1 |
|
j |
|
|
|
T 1 |
McT , jT 1 |
|
|
|
|
|
|
|
|
|
|
c |
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|||
cT 1, jT 1 |
|
T |
1 |
|
|
|
|
|
|
|
|
|
|
c |
|
2 |
, h |
3 |
. |
||
|
|
|
|
|
T |
|
T |
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Выпишем здесь двойственную задачу
min (cT 2 , hT 3 ) T 2
T 2
50