| Аннотация | В работе сопоставлены результаты применения параметрического метода анализа стохастической границы (Stochastic Frontier Analysis, SFA) и непараметрического метода оболочечного анализа данных с корректировкой на асимметричное смещение (Bias-corrected Data Envelopment Analysis, DEA) для формирования интегральных метрик отбора акций в портфель на основе разноплановых финансовых и нефинансовых показателей компаний-эмитентов США. Реализован авторский подход, при котором «входные» и «выходные» показатели для моделей анализа стохастической границы и оболочечного анализа данных предварительно отбираются с помощью регрессионного анализа. Учитывается отклонение выявленных показателей компаний выборки от медианных отраслевых значений. Выявлено, что значимыми характеристиками корпоративного управления в объяснении доходности акций являются размер совета директоров, доля независимых директоров, посещаемость заседаний совета директоров, а среди финансовых и биржевых характеристик - отношение чистого долга к EBITDA и прошлая доходность акций (эффект моментума). Показано, что портфели из 20-30 ценных бумаг, построенные на основе авторских интегральных метрик, оказались более эффективными по доходности и по соотношению риск-доходность, чем индекс S&P 500 и равновзвешенный портфель всех рассматриваемых акций. Проверка устойчивости выводов проведена путем сопоставления с портфелями, построенными случайным образом (метод Монте-Карло). Полученные результаты устойчивы как для периода до пандемии коронавируса COVID-19 (2008-2019 гг.), так и для периода пандемии и роста геополитической напряженности в 2020-2022 гг. С 2008 по 2019 г. портфели, созданные с применением метода оболочечного анализа данных, были более эффективными, чем те, которые основаны на моделях анализа стохастической границы. В период с 2020 по 2022 г. - наоборот; последние продемонстрировали лучшие результаты. |
|---|