Азбука для инвестора: что такое робоэдвайзер
И можно ли доверить ему управление персональными доходами и вложениями
«Все яйца раскладывай в разные корзины», гласит народная мудрость. Но не поясняет, как эффективно управлять всеми «корзинами». Как контролировать доходность вложений и при этом экономить собственное время, минимизировать риски и на выходе – получать максимальную прибыль?
О новациях в системе управления инвестициями, которые уже сегодня доступны украинским рантье, инвесторам, бизнесменам и просто тем, кто планирует или уже зарабатывает в финансовой сфере, рассказал Mind управляющий партнер инвесткомпании HUG'S Эрик Найман.
Что такое робоэдвайзер?
Летом 2017 года, после смягчения валютного законодательства в Украине, НБУ разрешил физлицам инвестировать за рубеж до $50 000 в год по упрощенной процедуре е-лицензий. Это дало толчок к старту первого в стране робоэдвайзера HUG’S.
Робоэдвайзер – это автоматизированная платформа, которая предоставляет сервисы по созданию и управлению персональными инвестициями.
В основе работы робоэдвайзеров лежат алгоритмы – все операции проводятся в автоматическом режиме, но под контролем квалифицированных специалистов.
Кроме того, робоэдвайзеры намного выгоднее для инвесторов по сравнению с классическими управляющими активами – эффект масштаба и низкие издержки позволяют существенно снизить комиссионные для инвесторов. Поэтому мы отказались от традиционной для отрасли управления активами фиксированной комиссии, получая вознаграждение только от прибыли инвесторов. Мы зарабатываем, только если зарабатывают инвесторы.
Поскольку этому «инструменту» управления уже более 10 лет, у нас были варианты для выбора базового алгоритма среди успешных бизнес-моделей ведущих мировых разработчиков.
Первые робоэдвайзеры появились в США в 2008 году. В 2018-м они управляли активами на $200 млрд. По оценкам Deloitte, к 2025 году эта отрасль будет управлять уже $16 трлн.
Чем отличается HUG’S от других робоэдвайзеров?
Все ведущие компании этой отрасли базируют свои алгоритмы на стандартном для отрасли управления активами подходе. Сначала вы пройдете опрос, по итогам которого определится ваш риск-профиль и его толерантность к риску. Затем вам предложат портфель фондов акций, облигаций, оптимизированный по современной портфельной теории (Modern Portfolio Theory – MPT).
В среднем «по больнице» активы инвесторов размещаются следующим образом: 60% в фонды акций и 40% в фонды облигаций. Причем это распределение активов практически не меняется в зависимости от рыночной или макроэкономической ситуации. То есть, если вокруг будет царить хаос и «Титаник» начнет тонуть», вам по-прежнему будут продавать на него билет.
Многолетний опыт в управлении активами позволяет четко выделить плюсы и минусы традиционного подхода. Плюсы мы взяли в работу – это в первую очередь определение индивидуального риск-профиля и оптимизация по MPT, а от минусов избавляемся последовательными алгоритмами.
Первое отличие HUG’S от других робоэдвайзеров в том, что он – готовое решение, базирующееся на простом следовании структуре активов населения США. Данные об этом ежеквартально публикует ФРС, американский центробанк.
В начале 2019 года состояние (Net Wealth) американцев достигло почти $100 трлн. И распределено оно следующим образом: 48% в акциях, 32% в недвижимости и 20% в облигациях. Понятно, что уничтожить такие активы (еще раз – $100 триллионов!) может только глобальная война на тотальное уничтожение.
Базовый алгоритм HUG’S основан на математически точном термине «Инвестиционная инфляция», который был рассчитан автором в 2008 году, в самый разгар Великой рецессии.
Подавляющее большинство людей стремятся заработать больше уровня потребительской инфляции. Например, в США с 1931 года потребительские цены росли на 3% в год. Казалось бы, достаточно зарабатывать немногим больше этого показателя – и задача сохранения сбережений и обогащения решена.
Однако за аналогичный период времени инвестиционная инфляция составила более 8% годовых. Фактически – это доходность инвестиционных активов. Но без учета доходов от аренды недвижимости.
Инвесторов на самом деле пугает инвестиционная дефляция – снижение цен на инвестиционные активы. Гоняются они за другим «зайцем» – не за корзиной потребительских товаров, а за корзиной инвестиционных активов. У инвесторов и простых людей разные инвестиционные цели. И поэтому первые становятся богаче, а вторые беднее.
Что самое хорошее в этом алгоритме – он автоматически подстроится под изменение инвестиционных привычек пользователей. Если они начнут инвестировать статистически значительные средства в новый класс активов (например, криптоактивы) или существенно изменят структуру активов, наш алгоритм автоматически ребалансирует базовую структуру под новую тенденцию.
Аналогичным образом более 100 лет успешно действуют фондовые индексы – они удаляют из индекса устаревшие компании в пользу новых и уже проверенных технологий. Например, в 1980 году компании из сектора информационных технологий в самом известном и большом фондовом индексе S&P 500 занимали 8%, а сейчас их доля превышает 21%. Так успешно работает процесс регенерации.
Как мы рассчитали эффективность HUG’S?
Ключевой вопрос для инвесторов – может быть проще и выгоднее покупать фондовый индекс, а не следовать за структурой активов американцев и HUG’S? Найти ответ на этот и другие вопросы по данной теме взялся независимый эксперт – математик Валентин Хохлов, CFA, автор монографии «Математичні методи в управлінні портфелем цінних паперів» (2017).
Чтобы понять, насколько хорошо или плохо показали себя инвестиционные стратегии HUGS, мы смоделировали инвестиции $10 000 в каждую из них и сравнили результаты с вложениями в те ETF-фонды и акции, которые являются базовыми активами для стратегий HUGS.
К числу ETF-фондов и акций относятся фонды SPY (индекс S&P 500), QQQ (индекс NASDAQ 100), TLT (20-летние казначейские облигации США), EQR (компания, владеющая жилой недвижимостью в США) и акции BRK-B (акции класса B компании Berkshire Hathaway).
В качестве периода инвестирования мы взяли период с 31 июля 2002 года по 30 апреля 2019 года – максимально доступный период, в течение которого есть ценовые данные по всем базовым активам.
Результаты исследования
На рассмотренном периоде с 2002 по 2019 годы диверсификация сделала свое полезное дело: базовые стратегии HUG’S показали лучшие результаты по соотношению риск/доходность по сравнению с соответствующими базовыми активами SPY, QQQ, BRK-B, EQR, TLT. И мы имеем основания предположить, что эта эффективность сохранится и в будущем. Особенно если опасаться больших просадок фондовых индексов или недвижимости.
Это оказалось выгоднее даже при том, что при инвестировании в стратегии HUG’S инвестор платил комиссию 12% от прибыли, а при покупке базовых активов напрямую такой комиссии не было. Мы будем надеяться, что масштабирование бизнеса позволит команде HUG’S снизить эту комиссию, что сделает ее еще более эффективной по сравнению со SPY, QQQ, BRK-B, TLT или EQR.
Стратегии HUGS’ON показали себя лучше всех ожиданий – эффект от алгоритмов, которые призваны снижать риски инвесторов при угрозе начала медвежьего тренда или макроэкономического кризиса проявился в полной мере. Но только если инвестировать более чем на один год. Кроме того, никто не сможет гарантировать, что алгоритмы HUGS’ON в будущем будут работать также хорошо, как и в прошлом.
В ходе исследования мы обнаружили, что на пятилетнем горизонте инвестирования риск инвестора был ниже, чем при годичном горизонте. Расчеты также показали, что если ежедневно смотреть на динамику рыночных цен и на результаты и базовых активов и стратегий HUG’S, то они будут выглядеть более волатильно, чем если смотреть на рынок ежемесячно или еще реже. Так психология была подтверждена расчетами.
Авторы материалов OpenMind, как правило, внешние эксперты и специалисты, которые готовят материал по заказу редакции. Но их точка зрения может не совпадать с точкой зрения редакции Mind.
В то же время редакция несёт ответственность за достоверность и соответствие реальности изложенной мысли, в частности, осуществляет факт-чекинг приведенных утверждений и первичную проверку автора.
Mind также тщательно выбирает темы и колонки, которые могут быть опубликованы в разделе OpenMind, и обрабатывает их в соответствии со стандартами редакции.
