Теории, объясняющие поведение валют

Рассмотрим модели, используемые для прогнозирования поведения цен различных активов. Начнем с валют. Наиболее простыми являются теории процентного паритета (IRP – interest rate parity) и покупательного паритета (PPP – purchasing power parity). Первая гласит, что при данных процентных ставках двух валют будущий курс предсказуем на уровне форвардной цены.

Продемонстрируем это положение на следующем примере. Одолжим сегодня на год доллары, платя за них 10 %, обменяем их по сегодняшнему курсу на иену и разместим иены на годовой депозит под 0 %. На таком обмене, если валютный курс останется неизменным, через год вы потеряете 10 % процентного дохода. Если же за год курс доллара к иене вырастет, вы рискуете потерять на изменении валютного курса больше, чем заработаете на разнице в процентных ставках, полученных от депозитной операции. Можно ли обезопасить процентный доход путем хеджирования валютного риска с помощью какого-то финансового инструмента? На практике это невозможно, поскольку на рынке есть финансовый инструмент – форвард, который рассчитывается исходя из разницы в процентных ставках двух валют и корректирует ее (разницу) валютным курсом. В нашем примере форвардный курс доллар/иена с поставкой через год будет на 10 % ниже (т. е. иена на форварде будет на 10 % дороже по отношению к доллару, чем на споте). Таким образом, даже потеряв 10 % на депозите, вы можете в конце срока откупить доллар, продав иену по курсу, который на 10 % превышает сегодняшний. Следовательно, суммарный результат депозитных и валютных операций будет равен нулю.

Японский инвестор, который решил без риска заработать прибыль, купив за иену доллары и разместив их на годовой депозит по более высокой ставке, чем в иене, также не смог бы получить прибыль после хеджирования депозитной операции форвардом. IRP – завуалированный вариант теории эффективного рынка (или «случайного блуждания»). Одним из ее основных следствий является то, что лучшим предсказателем будущей цены является сегодняшняя цена. Применительно к валютным курсам IRP как раз и утверждает, что лучшим предсказателем будущей цены является сегодняшняя цена, скорректированная на разницу процентных ставок. При этом в IRP и процентные ставки де-факто рассматриваются как неизменные, т. е. сегодняшние ставки тоже считаются лучшими предсказателями ставок в будущем. На наш взгляд, утверждение, что лучшим предсказанием будущей цены является сегодняшняя цена, есть признание в беспомощности, а не практически полезный вывод.

Теория паритета покупательной способности (РРР – purchasing power parity) предсказывает, что в условиях свободной торговли товары будут двигаться в страну с более высоким уровнем цен. Ее валюту, полученную в обмен на товары, будут продавать, пока уровень цен, скорректированный на валютный курс, не достигнет паритета, чтобы было невыгодно в страну экспортировать. Поскольку уровни цен меняются из-за инфляции, можно сказать, что чем больше уровень инфляции, тем ниже курс валюты данной страны. Эта теория действительно находит свое отражение в жизни, но, как правило, в долговременной перспективе – в течение 16 кварталов^[51]. Рис. 1.4, а – в показывает, что получается, если взять курс валютной пары и умножить ее на соотношение показателей инфляции в соответствующих странах. Как видно в случае котировок доллара в долгосрочной перспективе, РРР выдерживается. Сделав это утверждение, следует оговориться: предположим, за неделю рынок упал на 7 %. Значит ли это, что через четыре года он откорректируется до курса недельной давности, или до сегодняшнего курса, или до некоторого среднего курса? Иными словами, даже если исходить из того, что теория может быть полезна через такой долгий период, непонятно, как ее использовать для инвестирования в текущей момент.

На практике ни IRP, ни РРР, ни их вариации при тестировании для кратко- и среднесрочной перспективы не подтверждаются. Предвосхищая обсуждение темы ликвидности, рассмотрим вышеизложенные теории на примере двух типичных практических случаев, когда потоки ликвидности перенаправили вектор движения курсов валют, предсказанный моделями.

В конце 1980-х гг. курс канадского доллара против американского постоянно рос, несмотря на более высокий уровень инфляции, бюджетный дефицит и попытки Квебека отделиться от Канады. Объяснялась эта тенденция несколькими факторами. Канадские провинции и корпорации одалживали средства на американском рынке, где ставки были ниже, и обменивали полученные американские доллары на канадские. В ходе этой нехитрой операции они продавали американские доллары, покупая канадские. Параллельно, накануне передачи Гонконга Китаю, китайцы переезжали в Канаду и переводили туда свои капиталы, которые до того времени хранили в американских долларах, а в процессе также покупали канадские доллары.

В результате курс, который на основании РРР должен был быть примерно 1,4000, упал до 1,1200. Такая тенденция продолжалась почти 10 лет. Очевидно, что при общей логичности теоретической концепции РРР она оказалась малопригодной для краткосрочного прогнозирования курсов.

Второй пример: резкий рост котировок американского доллара против евро в 2000–2001 гг. был в первую очередь результатом увеличения инвестиций из Европы в США. Они росли не вследствие фундаментальных причин, связанных с соотношением стоимости валют, а поскольку американский фондовый рынок рос и сулил инвесторам прибыли большие, чем в Европе. Но в 2001–2002 гг. тенденция резко изменилась, поскольку стали иными ожидания роста цен акций. Обратим внимание, что при этом не изменились инфляция и ее прогнозы, а экономика США продолжала расти быстрее европейской. Иными словами, основным фактором был поток ликвидности: портфельные инвестиции («горячие деньги») могут в течение нескольких лет противодействовать ожиданиям сторонников фундаментального анализа.

В заключение следует отметить, что исследователи пришли к выводу: РРР достаточно эффективно описывает поведение курсов в момент гиперинфляции, но не в спокойные времена. Модели нового поколения, основанные на нелинейных взаимосвязях номинальных валютных курсов и экономических показателях, лучше справляются с задачей прогнозирования курсов на двух-трехлетние сроки, но вряд ли и они полезны, так как инвесторы на валютном рынке не заинтересованы в прогнозах со срочностью свыше шести месяцев^[52].

3. Проблемы моделирования

Проблемы, связанные с информацией

Важность критического подбора информации для построения модели

Конечная цель изучения информации – достижение ряда целей, основной из которых является выявление ключевых факторов, необходимых для построения модели. Изначально же требуется найти информацию, необходимую для разработки и тестирования моделей.

Финансовую информацию можно разделить на четыре категории:

– немедленно известную. Теория эффективного рынка исходит из того, что эта категория является доминирующей (universally-informed trading);

– менее известную, но быстро отражаемую в ценах посредством действий профессиональных трейдеров (professionally-informed trading);

– инсайдерскую, которую рынок предполагает почерпнуть на основе наблюдений за действиями трейдеров, обладающих доступом к закрытым источникам (derivatively-informed trading);

– неизвестную, но прогнозируемую (uninformed trading).

Следует критически оценить все четыре типа информации в соответствии с этой классификацией, но мы остановимся на первом. Важным каналом обмена немедленно доступной информацией являются информационные агентства и средства массовой информации в целом^[53]. Естественно, что СМИ имеют разные стандарты достоверности. Так, некоторые из них публикуют материалы, основанные на слухах и домыслах, а другие предпочитают использовать только проверенную информацию. Кроме того, репортеры придают своим отчетам собственную эмоциональную и политическую окраску, искажая факты аналогиями и метафорами. Так, во время кризиса 1998 г. в репортажах CNN, посвященных дефолту российских банков, постоянно фигурировали кадры с изображением филиалов Альфа-Банка. Хотя последний исполнял свои обязательства перед вкладчиками и повода для подобного освещения событий не давал, но, как потом оказалось, у CNN не нашлось под рукой видеозаписи с изображением других банков. На рынке распространилось мнение, что Альфа-Банк несостоятелен, и невинная на первый взгляд ошибка телеканала чуть не привела к его банкротству. Таким образом, на любом уровне доступа к информации нет гарантии ее качества.

Чтобы извлечь уроки из прошлого, необходимо не только очистить исторические данные от технических ошибок и трактовок, но и осмыслить, какие реальные события стоят за теми или иными цифрами. Именно понимание сути явлений, произошедших в прошлом, обеспечивает гибкость и достоверность будущей модели.

Однако найти полное и точное описание событий, как правило, невозможно, особенно в случаях рыночной аномалии; память рынка очень коротка и точностью не отличается. Фактически ее можно назвать эмоциональными воспоминаниями, а не представить в виде поэтапных аналитических расслоений тех или иных событий на составные части. Например, в начале 1990-х гг., когда в очередной раз ожидался кризис американской финансовой системы, управляющий фондом одного из крупнейших инвестиционных банков в Нью-Йорке попытался воссоздать события, сопутствовавшие падению рынка акций в октябре 1987 г. К его удивлению, в банке не оказалось ни зафиксированной информации, ни людей, способных вспомнить и прокомментировать произошедшее. Иными словами, найти историю движения цен и объемов торгов не представляло сложности, но восстановить сопутствующую информацию (слухи, сообщения) было практически невозможно.

Частично это явление можно объяснить значительной текучестью персонала, которая является следствием каждого кризиса. Кроме того, редко существует «единственно верная» трактовка того, что явилось его отправной точкой. Например, нет описания российского дефолта 1998 г., которое рынок мог бы признать точным.

Таким образом, на первом же этапе построения моделей возникает сложность нахождения информации для построения и тестирования гипотез, закладываемых в их основу, а затем калибрования моделей для использования в прогнозировании. Анализ ряда ключевых исследований, приведенный ниже, показывает, насколько меняются выводы в зависимости от исходной информации. Поэтому статистики и говорят, что, «если мучить цифры достаточно долго, можно получить любой желаемый результат».

Реакция рынка на неожиданную информацию

Неожиданные события имеют большое значение для оценки эффективности теории финансовой экономики. Продемонстрируем принятие решения в момент появления новой информации. В середине 1994 г. президент России отдал приказ вооруженным силам о захвате Думы – этим закончилось противостояние спикера Государственной думы Р. Хаcбулатова президентской власти. На рынках валют резко вырос курс доллара. Сообщения информационных агентств с новостями из Москвы поступали непрерывно.

Спустя несколько минут после очередного сообщения дилер одного из российских банков получил несколько звонков от зарубежных коллег с вопросом о том, кто такой Хаcбулатов и какова его роль в происходящих событиях. Сигнал к каким действиям дали эти звонки дилеру?

Доллар в то время играл функцию «безопасной гавани», и когда в тех или иных регионах мира возникала напряженная ситуация, повышался его курс по отношению ко многим другим валютам. Политическая нестабильность в России также вызывала рост доллара. В таких ситуациях очень важно найти ответ на следующий ключевой вопрос: вся ли информация уже отражена в текущей рыночной цене, т. е. купили ли доллар все те, кто нервничал из-за нестабильности ситуации. Звонки из-за границы показали, что многие пытаются разобраться в происходящем и вряд ли информация уже полностью «в цене». Таким образом, дилеру следовало покупать доллар.

Историю реакций рынка на кризисные события демонстрирует таблица 1.1.

Примечания

– Уровни изменения для 22, 63, 126 и 253 дней рассчитаны от последнего дня в колонке, где указаны даты реакции на событие. Первая дата указывает начало рыночной реакции или торговый день, предшествующий событию.