Метод определения риск-профиля инвестора на основе взаимосвязи двух задач фондового инвестирования

   Предметом исследования в данной работе является профиль риска инвестора как характеристики его поведения на фондовом рынке.

   Цель исследования — дать оценку риск-профиля инвестора в виде коэффициента риска в модели с линейной сверткой ожидаемой доходности и дисперсии.

   Актуальность такого исследования, с одной стороны, обусловлена проблемой снижения возможных рисков при управлении инвестиционным портфелем, которая, в свою очередь, связана с отношением самого инвестора к риску, а с другой стороны — дает возможность финансовому консультанту создать портфель финансовых инструментов в соответствии с уровнем согласия инвестора на риск.

   Научная новизна заключается в разработке математического подхода к решению проблемы определения риск-профиля на основе взаимосвязи решений двух задач выбора портфеля инвестиций, выраженной в виде условий на параметры, при которых решения этих задач существуют и совпадают.

   При этом использовались методы математического программирования, а также язык программирования Python. В результате коэффициент риска выражен через параметр модели с ограничением на доходность, предложена классификация риск-профиля по допустимому значению коэффициента риска; метод реализован в виде комплекса программ и продемонстрирован на примере российского фондового рынка. Сделан вывод о возможностях применения данного подхода доверительным управляющим при принятии решений о выборе наилучшего портфеля.

1. Bacon C. R. Practical portfolio performance measurement and attribution. New York, NY: John Wiley & Sons; 2023. 529 p.

2. Горелик В. А., Золотова Т. В. Критерии оценки оптимальности риска в сложных организационных системах. М.: ВЦ РАН; 2009. 162 с.

3. Kalayci C. B., Ertenlice O., Akbay M. A. A comprehensive review of deterministic models and applications for mean-variance portfolio optimization. Expert Systems with Applications. 2019;125:345–368. DOI: 10.1016/j.eswa.2019.02.011

4. Деканова К. В. Оценка возможностей повышения потенциала привлечения средств частных инвесторов за счет рационального их взаимодействия с независимым финансовым (инвестиционным) советником. Сибирская финансовая школа. 2022;(2):77–87. DOI: 10.34020/1993-4386--2022-2-77-87

5. Кислицына Л. В., Шнитова Г. А., Махонина О. В., Сафонова В. А. Методика категоризации инвесторов для целей формирования их инвестиционного портфеля. Журнал прикладных исследований. 2021;(6–7):667–672. DOI: 10.47576/2712–7516_2021_6_7_667

6. Жилюк Д. А., Скороход А. Ю. Категоризация частных инвесторов: новые риски и возможности. Известия Санкт-Петербургского государственного экономического университета. 2020;(4):42–47.

7. Качалов А. А. Особенности процесса определения риск-профиля частного инвестора. Финансовый бизнес. 2021;(11):56–58.

8. Nguyen L., Gallery G., Newton C. The joint influence of financial risk perception and risk tolerance on individual investment decision-making. Accounting & Finance. 2019;59(S 1):747–771. DOI: 10.1111/acfi.12295

9. De Bortoli D., da Costa N., Jr., Goulart M., Campara J. Personality traits and investor profile analysis: A behavioral finance study. PloS One. 2019;14(3): e0214062. DOI: 10.1371/journal.pone.0214062

10. Goulart M., da Costa N. C.A., Jr., Andrade E. B., Santos A. A.P. Hedging against embarrassment. Journal of Economic Behavior & Organization. 2015;116:310–318. DOI: 10.1016/j.jebo.2015.04.014

11. Abraham F., Schmukler S. L., Tessada J. Robo-advisors: Investing through machines. Research and Policy Briefs. 2019;(21). URL: https://documents1.worldbank.org/curated/en/275041551196836758/pdf/Robo-Advisors-Investing-through-Machines.pdf

12. Capponi A., Ólafsson S., Zariphopoulou T. Personalized robo-advising: Enhancing investment through client interaction. Management Science. 2022;68(4):2485–2512. DOI: 10.1287/mnsc.2021.4014

13. Fisch C., Masiak C., Vismara S., Block J. Motives and profiles of ICO investors. Journal of Business Research. 2021:125:564–576. DOI: 10.1016/j.jbusres.2019.07.036

14. Mubaraq M. R., Anshori M., Trihatmoko H. The influence of financial knowledge and risk tolerance on investment decision making. Jurnal Ekonomi Bisnis dan Kewirausahaan. 2021;10(2):140–153. DOI: 10.26418/jebik.v10i2.47089

15. Ao M., Yingying L., Zheng X. Approaching mean-variance efficiency for large portfolios. The Review of Financial Studies. 2019;32(7):2890–2919. DOI: 10.1093/rfs/hhy105

16. García F., González-Bueno J.A, Oliver J. Mean-variance investment strategy applied in emerging financial markets: Evidence from the Colombian stock market. Intellectual Economics. 2015;9(1):22–29. DOI: 10.1016/j.intele.2015.09.003

17. Guo X., Chan R. H., Wong W.-K., Zhu L. Mean-variance, mean-VaR, and mean-CVaR models for portfolio selection with background risk. Risk Management. 2019;21(2):73–98. DOI: 10.1057/s41283–018–0043–2

18. Harman R., Prus M. Computing optimal experimental designs with respect to a compound Bayes risk criterion. Statistics & Probability Letters. 2018;137:135–141. DOI: 10.1016/j.spl.2018.01.017

19. Radner R. Decision and choice: Bounded rationality. In: Wright J. D., ed. International encyclopedia of the social & behavioral sciences. 2nd ed. Oxford: Elsevier Science; 2015:879–885.

20. Chen W., Zhang H., Mehlawat M. K., Jia L. Mean-variance portfolio optimization using machine learning-based stock price prediction. Applied Soft Computing. 2021;100:106943. DOI: 10.1016/j.asoc.2020.106943