В прошлом разборе я рассказал, почему ушёл от предсказания цены к предсказанию волатильности. Сегодня про то, что было дальше, и про вопрос, который чуть не отправил меня переделывать половину работы 👇
Вопрос, который всё перевернул
Я бился за эпсилон. За каждую сотую доли точности прогноза. Гибридная модель обходила классическую эконометрику, цифры радовали. Сравнивать и комбинировать модели прогноза волатильности на нашем рынке начали не вчера, на эту тему есть серьёзные работы. Я шёл по этим следам, но со своей архитектурой.
📄 Аганин А.Д., Маневич В.А., Пересецкий А.А., Погорелова П.В. Сравнение моделей прогноза волатильности криптовалют и фондового рынка // Экономический журнал Высшей школы экономики. 2023. Т. 27. № 1. С. 49–77
И тут на одном из обсуждений мне задали вопрос, от которого стало неуютно:
«Хорошо, твоя модель точнее. А ты доказал, что эта точность превращается в деньги?» 🤔
Вот это поворот. Я показывал, что прогноз точнее. Но точнее на бумаге и прибыльнее в портфеле, это разные вещи. Точность это не деньги. И их связь надо было доказать, а не предположить.
Сначала о том, с чем сравнивать
Чтобы понять, хороши ли мои активные стратегии, нужна точка отсчёта. Я взял классические пассивные портфели, акции IMOEX плюс гособлигации, в разных пропорциях. И вот сюрприз: на отрезке 2022-2026 все три, от консервативного до агрессивного, показали отрицательный коэффициент Шарпа, от −0.42 до −0.60. Просто держать рынок в этот период означало болтанку без премии за риск 📉
На этом фоне любая работающая активная стратегия выглядит интересно. Но мне нужно было не просто обыграть пассив, а доказать, что деньги приносит именно прогноз волатильности, а не сам факт активной торговли.
Как я пошёл это проверять
Взял 6 торговых стратегий разного типа: контртренд, тренд, диапазон. И 4 способа встроить прогноз волатильности внутрь:
Как я пошёл это проверять
Взял 6 торговых стратегий разного типа: контртренд, тренд, диапазон. И 4 способа встроить прогноз волатильности внутрь:
🔹 A, базовый. Прогноз не используется вообще
🔹 B, прогноз управляет шириной стоп-лосса
🔹 C, прогноз определяет долю позиции: выше ожидаемая вола, меньше входим
🔹 D, размер позиции обратно пропорционален прогнозу
Дальше честная проверка: скользящая валидация, расширяющееся окно, тест на 2022-2026, оценка значимости через блочный бутстрап на 10 тысяч реплик. Чтобы не самообман, а статистика 📊
Открытие, которое я не ожидал
Думал, сработает везде. Не сработало.
Подход B, где прогноз управляет стопами, казалось бы должен был стать самым логичным. Точный прогноз, двигай стопы под него. Результат: +0.04 Шарпа, p=0.52, статистический ноль. Пшик 🤷
А вот C и D выстрелили. Та самая гибридная модель, график точности которой я показывал в первом разборе, здесь наконец доказала свою ценность в рублях. Режимная фильтрация и таргетирование волатильности дали около +0.8 коэффициента Шарпа с p меньше 0.001. Это уже не шум. Это деньги.
Сам подход управлять портфелем через прогноз волатильности возник не вчера, его показали на западном рынке. Я проверил его на нашем и пошёл дальше, сравнив сами механизмы встраивания.
📄 Moreira A., Muir T. Volatility-Managed Portfolios // The Journal of Finance. 2017. Vol. 72, No. 4. P. 1611–1644
Что это значит
Точный прогноз сам по себе бесполезен. Он превращается в доходность, только если правильно встроен в механизм принятия решений. Через размер позиции, да. Через стоп-лоссы, нет. И заранее ты не угадаешь, надо проверять 🎯
Тот неуютный вопрос оказался интересным поводом для размышлений. Он заставил меня доказать связь точности и денег цифрами, а не верой. И попутно выяснить, что разные механизмы по-разному чувствительны к качеству прогноза.
📄 Лысёнок Н.И. Эффективность применения прогнозов волатильности в активных торговых стратегиях институциональных инвесторов на российском рынке акций // Фундаментальная и прикладная математика. 2026. Т. 26. № 3. С. 33–42
P.S. В следующем разборе отвечу на главный вопрос: при каком капитале это вообще имеет смысл 💰
@nilysenok #Кафедра
