В том же году появилась еще одна работа, критикующая данную стратегию за авторством Filbeck и Visscher [9]. Всвоейработе «DividendYieldStrategiesintheBritishStockMarket» исследователи смоделировали стратегию Dogs of the Dowпо данным Великобритании. За основу был взят индекс FTSE100, а и рассматриваемый период был обозначен с 1984 по 1994 год. Доходность по портфелю Dogs of the Dow, скорректированная на риск,по результатам превзошла рыночный индекс всего за 4 года из 10, что указывает на то, что выбранная стратегияинвестирования в чистом виде не может быть рекомендована для стабильного получения сверхдоходности на фондовом рынке Великобритании.Позднее, в 2008 году, вработе «DividendYieldStrategyintheBritishStockMarket 1994-2007» [10]авторамибылрассмотрен случай применимости исходной стратегии, но уже в других временных рамках. Результатом исследования стал вывод о нереализации стратегии, так как несмотря на превышение доходности по Dogs of the Dow над рыночным показателем в 7 случаях из 13 в среднем на 21,54% тесты на значимость показали, что полученные данные нельзя считать устойчивыми. Таким образом, Filbeck и Visscher вновь пришли к выводу о том, что исходная модель не дает ожидаемых высоких результатов.
Другим примером критического отношения к стратегии Dogs of the Dow может являться работа американского экономиста MarkHirschey [11]. «The `Dogs of the Dow' Myth», опубликованная в 2000 году, представляет собой глубокий анализ, почему ранние тесты исследователей работают, иаргумент, что это может быть результатом дата майнинга. В своем исследовании он пытается найти ошибки в данных также путем сравнения многочисленных более ранних работ. Период рассмотрения был определен с 1961 года по 1998, чтобы охватить как можно больший промежуток времени. Тестирование модели высокодивидендного инвестирования при влиянии стоимости сделки и налогового бремени. В конце концов, автор пришел к выводу онеобоснованности теории Dogs of the Dow из-за ошибок в данных предыдущих исследователей, а также он поставил под сомнение использование средней арифметической при подсчете нормы доходности портфеля. Кроме того, автором был отмечен тот факт, что в большинстве исследований доходность не была скорректирована на риск. Также он подчеркивает возможное наличие эффекта обратной связи в периодах после 1990 года, означающее, что широкая огласка, связанная со стратегией Dogs of the Dow, могла привести к большому инвестиционному интересу, что естественным образом отразилось снижении эффективности стратегии (опубликованные данные за 1999 год указывают на 20 миллиардов долларов инвестиций в Dogs of the Dowстратегию). Таким образом,Hirschey отвергает обоснованность рассматриваемой теории и освещает проблемы данного метода инвестирования.
Интересной работой является исследование DaSilva[5], опубликованное в 2001 году и названное«EmpiricalTestsoftheDogsoftheDowStrategyinLatinAmericanStockMarkets». В нем автор проанализировал эффективность Dogs of the Dowстратегии на латиноамериканских фондовых рынках, а именно -на рынках Аргентины, Бразилии, Чили, Колумбии, Мексики,Перу и Венесуэлы. Тестирование было проведено за период с 1994 по 1999 год.Важными моментами в работе стали использование геометрических средств для расчета годовой доходностии включение налоговых и трансакционных издержек, а также учет рисковых премий. Результаты исследования говорят о том, что рассматриваемая стратегия обыгрывает рынок во всех латиноамериканскихрынках кроме Бразилии. Однако параметрическое тестирование показывает, что результаты не являются значимыми, что подразумевает плохое статистическое подтверждение применения стратегии Dogs of the Dow на исследуемых автором рынках.
Очереднойработой, подвергшейкритикестратегиюDogsoftheDow, является «Ditch “DogsoftheDow” - theMuttsHaveBadGenes, ImproperBreedingandFalsePapers», опубликованнаяв 2013 году.JackHough[13] представил свое исследование вжурналеForbes, заявив, что исходная стратегияслишком проста и тривиальна, поскольку игнорирует текущее финансовое состояние компаний.Автор пришел к выводу о том, что добавление таких индикаторов, как коэффициент дивидендных выплат, динамика цен акций, рост выручки и прочие метрики финансового состояния компаний, позволят успешно адаптировать модель к фондовым рынкам разных стран.
1.5 Обобщение успешных решений и слабостей существующих исследований
Несмотря на существующую критику стратегии, и та, и другая сторона, поддерживающая возможность ее реализации, соглашаются в одном: существует необходимость адаптации модели к тем реалиям, которые наблюдаются на фондовом рынке страны. Чтобы получить наиболее адаптированную модель, исследователям приходилось менять правила игры.
Среди возможных модификаций авторы выделяли изменение одного из текущих базовых параметров - количества акций в портфеле. Данный показатель исследователи то увеличивали, как сделал это Racaneli, то уменьшали, как в работе Qiu, Yan, Song, то делали опциональным-об этом заявили Володин и Сорокин. Появилась даже самостоятельная стратегия SmallDogsoftheDow, которая заключалась в инвестировании в 5 акций компаний с наивысшими показателями дивидендной доходности, однако стоит отметить, что ее эффективность была доказана далеко не во всех случаях. Во всех работах данная модификация привела к улучшению показателей доходности по традиционной модели.
Аналогичные попытки изменения базового параметра проводились и с месяцем формирования портфелей. Первые шаги на пути к установлению данного индикатора в качестве опциональной переменной предприняли Pratherи Webb. А в работе Володина и Сорокина данные параметры стали полноценно опциональными. Обе работы представляют собой подтверждение работоспособности стратегии, что говорит о том, что модификация может быть использована.
Кроме того, среди наиболее популярных видов модификации исходной стратегии DogsoftheDow можно выделитьдобавление фильтров по финансовому положению компаний. Так, в своей работе BrzeszczynskiиGajdka использовали разбивку компаний по уровню капитализации, а Теплова и Гальперин - параметры капитализации дивидендов и фильтр по прибыли. Данные исследования подтверждают факт улучшения работы модели на мировых рынках. Среди критиков Houghподдержал идею добавления финансовых индикаторов, например, коэффициент дивидендных выплат, рост выручки и прочие метрики финансового состояния компаний.
Помимо всего прочего,в работах исследователей Pratherи Webb, а также Houghбыл отмечен тот факт, что ежедневное изменение цен на акции приводят к изменению общей доходности, поскольку даже небольшие ежедневные изменения могут изменить состав портфеля и, следовательно, доходность портфеля также будет отличаться.
Более того, исследователи не раз рассматривали идею смены бенчмарка. Во многих работах было предложено производить отбор акций в портфель из числа самых ликвидных акций на бирже страны, или же использовать другой рыночный индекс, например - S&P500 в США. Воплощение этой идеи привело к успеху в некоторых исследованиях, например Dubois, однако в странах, в которых один индекс гораздо популярнее остальных, данная модификация не оказывалась эффективной.
Кроме того, отмечалось также и добавление в анализ транзакционных издержек и налогов, которые игнорировались в классической версии стратегии высокодивидендного инвестирования. Об этом заключалось в основном в критических статьях, Visscherи Filbeck, McQueen, Shieldsи Thorley, Hirschey, DaSilva, где после корректировки полученной доходности на представленные выше индикаторы показатели доходности по стратегии показывали аналогичные или меньшие результаты с рыночным индексом.
Глава 2. Методология исследования
2.1 Предпосылки для формирования модели
В качестве основы для формирования авторской модели высокодивидендной стратегии была взята описанная ранее вариация данного вида инвестирования -DogsoftheDow, предложенная американскими экономистами Майклом О'Хиггинсом и Джоном Даунсом. В ходе изучения литературы были рассмотрены как успешные примеры реализации данной стратегии в мире, так и провальные попытки применить классическую модель к реалиям фондовых рынков разных стран. Адаптация модели к существующему положению дел на фондовых биржах была основополагающей целью большинства исследований и, возможно, единственно возможным решением проблемы ее неосуществимости. Данное исследование также направлено на адаптацию классической версии стратегии и предполагает осуществление нескольких модификаций, которые могли бы позволить инвестору более успешно контролировать свой портфель и управлять им.
В данной работе представлена вариация исходной модели DogsoftheDow. Среди ключевых моментов, изменение которых предполагает улучшение показателей стратегии, можно выделить количество акций в портфеле, а также месяц его формирования. Необходимо рассмотреть каждую модификацию отдельно, чтобы выявить оптимальные показатели каждой из них.
Количество акций в портфеле является одним из важнейших показателей в модели, поскольку от этого индикатора зависит ширина и объем пула, включающего в себя потенциальных «участников команды». Сужение рамок в данном случае дает меньшую диверсификацию портфеля, однако позволяет иметь в распоряжении главных лидеров по показателю дивидендной доходности. Кроме того, такое изменение увеличивает риски инвестора. Если говорить о расширении портфеля, то наблюдается обратная картина - большая диверсификация портфеля, меньшие риски. Изученная литература позволяет прийти к выводу о зависимости данного показателя от степени развитости фондового рынка. В классической версии использовалось 10 наилучшихпо дивидендной доходности компаний для реализации стратегии. В данной работе предлагается увеличить количество акций в портфеле до 15, сделав этот признак опциональным. Соответственно, моделирование стратегии DogsoftheDow будет включать в себя все возможные комбинации от 1 до 15 акций при формировании портфеля.
Также предполагается опциональным сделать и месяц формирования портфеля. В классической версии портфель формировался в конце каждого года, однако рядом исследователей был отмечен «январский эффект». Кроме того, большая часть компаний публикует информацию о размере дивидендов в первой половине года, в том числе в данный период происходит закрытие реестра акционеров. Все вышесказанное определило новую вариацию параметра месяца формирования портфеля, установив его в диапазоне с июля по декабрь. Данная модификация может также помочь избавиться от фактора сезонности в данных. Использование VisualBasicforApplications, которое предполагает данное исследование, позволяет расширить возможности моделирования. В связи с этим было принято использование широкого горизонта количества акций в портфеле, а также вариация месяца формирования инвестиционного портфеля.
Предыдущие исследования реализации стратегии DogsoftheDow в своем большинстве были направлены на адаптацию модели к реалиям рынка, как это было упомянуто ранее. Данная работа также не является исключением и главным инструментом для воплощения указанной цели ставит вспомогательный отбор компаний по финансовым показателям ее деятельности. Такие фильтры позволят инвестору опираться не только на индикатор дивидендной доходности, но также и понимать положение дел в компании и трезво оценивать текущую ситуацию. Главным критерием попадания в портфель, в отличие от классической модели, будет положение компании в «рейтинге» по определенному финансовому показателю, которых предполагается несколько, что говорит о том, что компания должна являться лидером среди равных.
В силу сложности определения точных показателей затрат на транзакционные издержки, а также установления налоговой базы для учета сборов указанные индикаторыучитываться не будут.
2.2 Реалии российского фондового рынка
Для адаптации классической модели высокодивидендного инвестирования необходимо провести анализ текущей ситуации на фондовом рынке страны. Согласно классической модели, проведение моделирования же требует определения четких временных рамок, которые зависят как от доступности данных за период, так и наличия различных колебаний в экономике. Исходя из всего вышесказанного, временной период исследования был определен авторами с 2006 года по 2019 год с возможным изменением промежутка для более корректной работы с данными. Немаловажным является также выбор индекса, который будет служить фундаментом для строительства как стратегии, так и для определения рыночных показателей в модели. Исходя из исследуемого рынка было принято решение о выборе индекса IMOEX в качестве индикатора рынка, поскольку он включает в себя наиболее крупных эмитентов на российском фондовом рынке. Кроме того, данный индекс зачастую используется в качестве своеобразной детерминанты состояния российского фондового рынка. Следует отметить также факт использования данного индексаиндексными фондами при реализации различных пассивных инвестиционных стратегий.В данном исследовании среднегодовая доходность портфелей, показавших лучшие результаты в ходе моделирования, будет сравниваться с показателями доходности индексаIMOEX.
На выбранном для исследования периоде необходимо рассмотреть колебания российского фондового рынка с помощью выбранного индекса. Это является необходимым для того, чтобы составить целостную картину состояния рынка в России, а также понимать его готовность к высокодивидендным стратегиям в целом. Представленный ниже Рисунок 1 показывает динамику значений индекса Московской Биржи IMOEX на закрытие. По оси справа на рисунке можно заметить показатели доходности индекса на промежутке времени с 2006 по 2019 год. Несложно заметить выделяющийся на графике период кризиса с сопровождающим его падением рассматриваемых показателей. Действительно, поведение фондового рынка коренным образом зависит от состояния экономики в целом, а кризис 2008 года оказал существенное влияния на данный рынок в России. Так, например, с мая 2008 по ноябрь 2008 индексМосковской Биржи IMOEX упал на 68%.
В силу аномальных и не отражающих адекватно положение дел на рынке доходностей кризисный период требует отдельного рассмотрения. Соответственно, исследование будет разделено на два субпериода, где основное тестирование модели будет ориентировано на временной промежуток вне кризиса. После выявления наилучших моделей период кризиса будет также подвержен моделированию со стороны выбранных модификаций. Таким образом, основной период анализа предлагается выбрать с 2010 года по 2019 год.