В-четвертых, в процессе управления портфелем облигаций многие инвесторы учитывают собственные предположения о направлении будущих изменений процентных ставок. Теория иммунизации не предлагает никакого инструмента поддержки принятия решений, позволяющего определять структуру оптимального портфеля на основе информации о характере прогнозов инвестора, его склонности к риску и предполагаемых сроках вложений.

Поэтому исследование процентного риска портфеля облигаций должно выходить за рамки теории иммунизации. Диссертант полагает, что научный анализ рисковых портфелей не менее важен, чем изучение условий, при которых процентный риск может быть полностью устранен, и правил достижения безрискового состояния.

Измерение процентного риска неиммунизированного портфеля предполагает оценку параметров распределения доходности портфеля для заданного срока вложений. Эту задачу можно решить, воспользовавшись сценариями будущих перемещений временной структуры процентных ставок. Поскольку процентные ставки для различных сроков вложений тесно коррелируют между собой, они достаточно точно описываются при помощи небольшого числа главных компонент. Поэтому задачу построения сценариев перемещения временной структуры процентных ставок можно свести к задаче построения сценариев изменения значений ее главных компонент.

В ряде исследований американских ученых для моделирования динамики процентных ставок используется модель авторегресии–проинтегрированного скользящего среднего Дж.Бокса–Г.Дженкинса (ARIMA)[70]. В частности, П.Кэмпбелл и Р.Шиллер использовали модель ARIMA для описания колебаний долгосрочных процентных ставок[71], Е.Фама и Р.Блисс – для прогнозирования изменений краткосрочных процентных ставок[72], Н.Галтекин и Р.Рогальски – для прогнозирования доходностей бескупонных облигаций[73]. Мы считаем, что моделью ARIMA можно воспользоваться и при построении сценариев изменения значений главных компонент временной структуры процентных ставок.

Модель ARIMA предназначена для описания и прогнозирования динамики нестационарных временных рядов, характеризующихся нестабильным средним значением уровней ряда. Как правило, в ходе анализа рядов динамики процентных ставок можно выявить несколько трендов, последовательно сменяющих друг друга и определяющих движение процентных ставок в течение некоторого промежутка времени. Высокая степень зависимости между элементами ряда, обусловленная этими трендами, находит выражение в высоких значениях выборочного коэффициента автокорреляции для больших лагов. В то же время переход к первым разностям уровней ряда динамики процентной ставки позволяет привести его к стационарному виду: устраняются тренды, стабилизируется среднее значение, а выборочная автокорреляционная функция приобретает затухающую форму. Это свидетельствует о том, что динамика процентных ставок определяется интегрированным нестационарным случайным процессом, который можно описать при помощи модели ARIMA.

Модель ARIMA(p,d,q) задает процесс изменения значений случайной переменной при помощи небольшого числа параметров: степени интегрирования d, p коэффициентов авторегресии и q коэффициентов скользящего среднего. Степень интегрирования d равна числу шагов расчета разностей между последовательными элементами временного ряда, необходимому для приведения исходного ряда к стационарному виду. Полученный стационарный ряд Xt описывается при помощи модели

, (2.3.1)

где m – константа (опускаемая в большинстве моделей как незначимо отличающаяся от нуля), fi – коэффициенты авторегрессии, qj – коэффициенты скользящего среднего, et ­­– независимо распределенные случайные ошибки.

Математический аппарат, разработанный Боксом и Дженкинсом, позволяет идентифицировать число порядков p, d и q, оценивать параметры fi и qj, а также строить условные распределения будущих значений уровней исходного временного ряда. Как отмечают С.А.Айвазян и В.С.Мхитарян, в наиболее распространенных моделях ARIMA(p,d,q) используются комбинации порядков (0,1,1), (0,2,2), (1,1,1), (1,1,0) и (2,1,0)[74].

Автор предлагает формировать сценарии будущих перемещений временной структуры процентных ставок, взяв за основу квантили условных распределений будущих значений главных компонент, построенные при помощи модели ARIMA. Для того, чтобы используемые квантили адекватно отражали спектр возможных состояний временной структуры процентных ставок, они должны представлять различные участки распределения, отражать его симметрию, а среднее значение и стандартное отклонение выборки квантилей должны соответствовать прогнозу модели ARIMA и его стандартной ошибке.

Поскольку главные компоненты независимы друг от друга, сценарии временной структуры строятся исходя из всех возможных комбинаций квантилей условного распределения будущих значений главных компонент. В частности, при использовании двухфакторной модели временной структуры процентных ставок и пяти сценариев будущих значений каждой главной компоненты общее число сценариев перемещения временной структуры процентных ставок оказывается равным 25.

Каждый сценарий состояния временной структуры процентных ставок через заданный промежуток времени определяет множество цен облигаций, которые установятся на рынке при реализации данного сценария. Располагая информацией о структуре портфеля, можно рассчитать значение его будущей стоимости при реализации каждого из сценариев по формуле

, (2.3.2)

где FVs(m) – стоимость портфеля через промежуток времени m при реализации сценария перемещения временной структуры процентных ставок s, qj – число облигаций выпуска j, включенных в состав портфеля, – цена облигации выпуска j через промежуток времени m при реализации сценария перемещения временной структуры процентных ставок s.

Используя выборку значений рыночной стоимости портфеля FVs(m) при различных сценариях перемещения временной структуры процентных ставок, можно построить выборку значений доходности портфеля h(m), которая рассчитывается по формуле

, (2.3.3)

где PV – рыночная стоимость портфеля в начальный момент времени.

Формулы (2.3.2) и (2.3.3) можно применять лишь при условии, что в течение периода вложений по портфелю не осуществляется никаких выплат. В противном случае будущая стоимость портфеля определяется не только размером начальных вложений в облигации и состоянием временной структуры процентных ставок через промежуток времени m, но также стратегией реинвестирования и состояниями временной структуры процентных ставок в моменты реинвестирования.

Если не использовать дополнительных предположений, построение репрезентативной выборки значений доходности портфеля требует построения траекторий движения временной структуры процентных ставок в течение всего периода вложений, а не сценариев ее состояния на конец периода. Для решения этой задачи необходимо воспользоваться техникой имитационного моделирования, задавая последовательность изменений значений главных компонент на основе оцененной модели ARIMA и значений ошибок et, сгенерированных при помощи датчика псевдослучайных чисел. Однако такой подход к оценке параметров распределения доходности портфеля требует колоссального объема вычислений и затрат машинного времени.