оптимизация

Продолжаю рассказывать об инвестиционных лайфхаках
⠀
Что отличает бедного человека от богатого? На самом деле очень многое, и одним из важных различий является стремление снизить расходы у последних.
⠀
Важной составляющей расходов инвестора (да и у любого делового человека) являются налоги. Как мы знаем, они составляют 13% от доходов. Поэтому грамотные инвесторы стремятся максимально снизить эту статью расходов всеми доступными средствами в рамках закона.
⠀
Среди методов, которыми пользуюсь я, следующие:
1️⃣ Возврат НДФЛ по ИИС
2️⃣ Удержание акций более 3-х лет (освобождение таких от НДФЛ)
3️⃣ Покупка облигаций, освобожденных от НДФЛ
4️⃣ Максимальное оттягивание до последнего дня уплаты налога на дивиденды по иностранным акциям
5️⃣ Закрытие убыточных позиций и их незамедлительное открытие же по тем же ценам в конце года для отражения убытка по счету
6️⃣ Закрытие плановых прибыльных позиций в начале года для отсрочки уплаты НДФЛ
7️⃣ Использование НКД по ОФЗ для создания «бумажного» убытка
⠀
В этом посте я хочу поговорить о последнем методе.
⠀
Многим известно, что у облигаций в отличие от банковского вклада есть НКД – накопленный купонный доход, который накапливается по мере приближения даты выплаты. Допустим, например, что у облигации стоимостью 1 000 руб. НКД составляет 100 руб. и выплачивается 2 раза в год: 1 июля и 30 декабря. Т.е. если мы купим ее в начале года сразу после выплаты НКД, то мы заплатим только за фактическую цену облигации. И каждый день нам будут начисляться доля НКД за 1 день. В нашем примере это 100/365=0,27 руб. К 1 июля НКД будет равен 50 руб. и эмитент (выпустившая облигацию компания) их выплатит.
⠀
Но фишка облигаций (в отличие от вклада в банке) в том, что мы сами можем продать облигацию когда угодно и получить свой НКД (т.е. %). В данном случае НКД нам заплатит не эмитент, а тот, кто купит у нас облигацию. Кайф же?
⠀
Помню, я штудировал тонны литературы и форумы, когда сам был «зеленым», тратил кучу времени. Но в конце было такое удовольствие от того, что узнаешь принципы функционирования финансового рынка.
⠀
Что ж, немного отвлеклись, продолжим. Возможность получения НКД в любой момент позволяет применить налоговую оптимизацию. Суть в том, что для налоговой базой расчета НДФЛ является фактическая цена облигации плюс НКД. Т.е. мы покупаем облигацию с НКД (расчет совпадает с налоговой), а продаем без НКД, но он выплачивается эмитентом на наш счет (но налоговая не учитывает эту выплату, поэтому она считает только цену облигации). От этого получается убыток для налоговой.
⠀
Разберем подробнее на примере нашей облигации. Для того, чтобы сделать убыток для налоговой, нужно купить облигацию за 1 день до выплаты НКД (30 июля), на следующий день получить НКД и продать ее (1 июля).
⠀
Пусть комиссия брокера равна 0,05% за сделку, цена облигации 100% (т.е. 1 000 руб.) и совершаем операции по цене 1 000 руб. Тогда посчитаем фактический результат операции для нас и «бумажный» для налоговой
⠀
Наш результат:
Продажа – Покупка = 50 (выплаченный купон) + 1000 (цена продажи) — (1000+(50-0,27)) (цена покупки с учетом НКД за 49 дней) = 1 050 – 1 049,73 = +0,27 руб.
⠀
От этого нужно отнять комиссию брокера (0,5%) за куплю-продажу актива:
1000*0,0005 (за продажу) + (1000+(50-0,27))*0,0005 (за покупку) = 0,5 + 0,53 = 1,03 руб.
⠀
Итого имеем: 0,27 – 1,03 = -0,76 руб. с одной облигации.
⠀
Результат для налоговой:
Продажа – Покупка = 1000 — (1000+(50-0,27)) = 1 000 – 1 049,73 = -49,73 руб.
⠀
Увидели разницу? Нет 50 рублей выплаченного купона в начале. Т.е. одна облигация приносит нам фактический убыток всего -0,76 руб. Убыток же для налоговой -49,73 руб.
⠀
Опять же, это упрощенный пример. В реальности может быть еще и разница в цене покупки и продажи облигации, как в положительную, так и в отрицательную сторону Но с ОФЗ такая разница будет минимальна, т.к. у них высокая ликвидность.
⠀
Допустим за год у Вас чистая прибыль по закрытым позициям 10 000 руб. Вы должны заплатить налог 13%, т.е. 1 300 руб.
⠀
Чтобы «оформить» 0 в графе прибыль, нужно совершить сделку с 201 облигацией. По каждой из них, как мы подсчитали выше, «бумажный» убыток -49,73 руб., что в сумме дает -9 995,73 руб.
⠀
Итого прибыль для налоговой: 10 000 – 9 995,73 = 4,27 руб.
⠀
Фактический убыток от операции: -0,76 * 201 = -152,76 руб.
⠀
Все представленные вычисления лишь абстрактный пример. В реальности все параметры всегда разные и индивидуальны в каждом конкретном случае. Но схема одинаковая.

Больше полезной информации у меня в Instagram канале, подписывайся:
www.instagram.com/long_term_investments/?hl=ru

• Обобщённая проблема

Устойчивые долгосрочные модели


В предыдущих частях (часть 1, часть 2) мы рассмотрели построение композитных систем оценок ценных бумаг, построенных при помощи распространённых средств машинного обучения (Bag/Boost методы). Однако, такой подход, несмотря на все свои преимущества (скорость, точность) имеет ряд больших недостатков – отсутствие универсальности моделей в результате проблем «переобучения»  (точной настройки на определённые типы рынков и временные интервалы) и сложность интерпретации полученных композиций.

В результате решения этих проблем мы разработали базовую модель на основе наших представлений о стохастических дифференциальных уравнениях с квантовыми скачками, образующих улыбку волатильности. Эта макромодель получила в наших исследованиях наиболее полную микроскопическую интерпретацию.

В классических задачах прогнозирования используются в основном различные Fold  тесты. Их логика весьма понятна и прозрачна – защитить алгоритм от переобучения и получить лучшие стационарные параметры регуляризации. Например, такие, как лямбда Тихонова, или, если речь идёт о  бустинге на деревьях решений – минимальное количество листьев.  Однако сообщество Smart Lab настоятельно рекомендовало нам провести Walk Forward тесты, логика которых нам мало понятна.

А если логика не понятна, то можно детально рассмотреть какой-нибудь простой пример.

Пусть в качестве объекта прогнозирования у нас будет выступать простая синусоида с частотой ω и амплитудой А. Без применения сложных математических методов эта задача решается следующим образом:

1. Берутся исторические данные
2. На основе данных  подбираются параметры амплитуды, частоты и фазы.
3. Исходя из полученных «динамических» переменных модели строится прогноз на будущее.

Часть 2.

В прошлой части мы подбирали такую комбинацию статистических оценок динамики акций, которая давала нам возможность стабильно выбирать портфель акций лучше среднерыночного,  с показателем Шарпа на 26% выше индексного.

Мы также пробовали составлять портфель из портфелей и портфель на основе портфеля оценок, но в силу высокой линейной зависимости оценок и полученных на них портфелей друг от друга Bagging ожидаемо не дал никакого результата.

Тем не менее, этот важный этап подготовительных работ – построение портфеля (или композиции портфелей) на простых, статистических оценках дал нам некоторую отправную точку, относительно которой мы будем рассматривать эффективность всех наших последующих нововведений.

Рис. 6. Иллюстрация динамики волатильности акций США, входящих в состав индекса S&P 500.

Основную проблему стандартных методов мы видим в том, что они разработаны для стационарных стохастических процессов, в то время как любые финансовые (а зачастую природные, биологические и др.), временные ряды имеют нестационарную природу. Так, например, широко известно, что логарифмическое изменение стоимости акций является нестационарным процессом со склонностью к консолидации (кластеризации) волатильности.