Адаптивная аллокация активов на российском фондовом рынке на основе режимно-переключательной волатильности, машинного обучения и оптими
  • Войти
  • RU | EN
Статьи, Журналы

Адаптивная аллокация активов на российском фондовом рынке на основе режимно-переключательной волатильности, машинного обучения и оптимизации по CVAR

Адаптивная аллокация активов на российском фондовом рынке на основе режимно-переключательной волатильности, машинного обучения и оптимизации по CVAR
Статьи, Журналы

Адаптивная аллокация активов на российском фондовом рынке на основе режимно-переключательной волатильности, машинного обучения и оптимизации по CVAR

Коробов, Н.Д. Адаптивная аллокация активов на российском фондовом рынке на основе режимно-переключательной волатильности, машинного обучения и оптимизации по CVAR / Н. Д. Коробов, Ю. Е. Пичугин, А. М. Ефимов // Финансовые рынки и банки. — Москва, 2026 — N 7. — С.347-351. — Библиогр. в конце ст.
Коробов, Н.Д., Пичугин, Ю.Е. и Ефимов, А.М., (2026), "Адаптивная аллокация активов на российском фондовом рынке на основе режимно-переключательной волатильности, машинного обучения и оптимизации по CVAR", Финансовые рынки и банки, Москва, 2026, N 7, С.347-351.
Коробов Н Д, Пичугин Ю Е, Ефимов А М. Адаптивная аллокация активов на российском фондовом рынке на основе режимно-переключательной волатильности, машинного обучения и оптимизации по CVAR. Финансовые рынки и банки. 2026; (N 7). С.347-351.
Выпуск
Финансовые рынки и банки, 2026, N 7
Источник

Аннотация

Цель: разработать и эмпирически проверить на реальных данных гибридную модель адаптивной аллокации активов на российском рынке, объединяющую прогноз режима волатильности машинным обучением, оценку условной волатильности моделью Markov-switching GARCH и оптимизацию портфеля по CVaR (схема Рокафеллара–Урясева) в условиях высокой волатильности, структурных сдвигов и тяжёлых хвостов. Методы: на дневных индексах полной доходности Московской биржи (акции MCFTR, гособлигации RGBITR, корпоблигации RUCBITR) и ключевой ставке Банка России за 2014–2024 годы (2761 день) режим прогнозируется walk-forward классификатором, волатильность – моделью Markov-switching GARCH, портфель – оптимизацией CVaR. Результаты: вне выборки прогноз режима неустойчив (AUC ≈ 0,49); с учётом издержек гибридная стратегия даёт 4,9% при волатильности 13,6% и просадке –25,1% против 6,9%, 29,5% и –53,5% у пассивных акций – не превосходя рынок по доходности, она вдвое снижает волатильность, просадку и хвостовой риск (CVaR 2,4% против 4,3%); в 2022–2024 годах ни одна стратегия не превзошла денежный рынок. Выводы: основной результат – документированный отрицательный вывод о непрогнозируемости режима волатильности вне выборки; практическая значимость – в управлении хвостовым риском при процентном и санкционном шоках.

Ключевые слова

  • УДК:
    336.76(470)

Рекомендовано к ознакомлению

Отзывы читателей

0