Структура и особенности принятия инвестиционных решений в хедж-фонде

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В статье структурированы методы риск-контроля при принятии инвестиционных решений внутри хедж-фонда с учетом портфельной оптимизации, задач и условий достижения оптимальности для целей формализации системы поддержки принятия решений. Авторы поднимают вопрос взаимной коррелированности стратегий, приводящей к потенциальной угрозе снижения ресурсной обеспеченности (в информационном аспекте) лица, принимающего решения, при работе с системой поддержки принятия решений с ориентацией на предложенное целевое значение по разрешению проблемной ситуации. Решение же этой проблемы предлагается осуществлять через постоянный мониторинг и обновление накопленной базы знаний субъектом управления (менеджером) об объекте управления (инвестиционной стратегии), а также через контроль функционирования потоков в объекте управления на основе обеспечения соответствия потребностей и возможностей посредством логико-лингвистического моделирования (фреймов) в целях сохранения гомеокинетического равновесия системы.

Об авторах

Наталья Степановна Воронова

Санкт-Петербургский государственный университет

Email: n.voronova@spbu.ru
Проф., д.э.н., проф.

Елена Анатольевна Яковлева

Санкт-Петербургский государственный экономический университет

Email: helen7199@gmail.com
Проф., д.э.н., доцент

Эрмин Эмирович Шарич

Санкт-Петербургский государственный университет

Email: st062696@student.spbu.ru
студент

Дарья Дмитриевна Яковлева

Санкт-Петербургский государственный университет

Email: st062671@student.spbu.ru
студент

Список литературы

  1. 1. Sharpe W.F. The Sharpe ratio // The Journal of Portfolio Management. – 1994. – № 21(1). – p. 49–58.
  2. 2. Fama E. F., French K. R. International tests of a five-factor asset pricing model // Journal of financial Economics. – 2017. – № 123(3). – p. 441-463.
  3. 3. Amel-Zadeh Amir, George Serafeim Why and How Investors Use ESG Information: Evidence from a Global Survey. / Working Paper. - Harvard Business School, 2017. – 87–103 p.
  4. 4. Volkova V.N., Vasiliev A.Y., Efremov A.A., Loginova A.V. Information technologies to support decision-making in the engineering and control // Proceedings of 2017 20th IEEE International Conference on Soft Computing and Measurements: SCM 2017; St. Petersburg; Russian Federation; 24-26 May 2017. 2017. – p. 727-730.
  5. 5. Кукор Б.Л. Адаптивное управление промышленным комплексом региона: теория, методология, практика. / Б.Л. Кукор, Г.А. Клименков; под общ. ред. Б.Л. Кукора. - Екатеринбург; Санкт-Петербург: ФГБУН Институт экономики Уральского отделения РАН, 2017. – 306 c.
  6. 6. Поспелов Д.А. Десять «горячих точек» в исследованиях по искусственному интеллекту // Интеллектуальные системы. – 1996. – № 1-4. – c. 47—56.
  7. 7. Hull J.C. Risk management and financial institutions. - New York: Pearson Education International, 2007. – 576 p.
  8. 8. Jorion P. Value at risk: The new benchmark for managing financial risk. - New York: McGraw-Hill Education, 2007. – 624 p.
  9. 9. Jalota Hemant, Thakur Manoj, Mittal Garima Modelling and constructing membership function for uncertain portfolio parameters: A credibilistic framework // Expert Systems with Applications. – 2016. – № 71(2). – p. 40-56. – doi: 10.1016/j.eswa.2016.11.014.
  10. 10. Fama E.F., French K.R. The cross-section of expected stock returns // Journal of Financial Economics. – 1992. – № 2. – p. 427-465.
  11. 11. Lochof R. Hedge Funds and Hope // The Journal of Portfolio Management. – 2002. – № 28. – p. 92-99.
  12. 12. Bansal Ravi, Kiku Dana, Shaliastovich Ivan, Yaron Amir Volatility, the Macroeconomy and Asset Prices // The Journal of Finance. – 2012. – № 69(6). – doi: 10.1111/jofi.12110.
  13. 13. Yin C., Zhu D. New class of distortion risk measures and their tail asymptotics with emphasis on Va R // Journal of Financial Risk Management. – 2018. – № 07(01). – p. 12–38. – doi: 10.4236/jfrm.2018.71002.
  14. 14. Levy H., Markowitz H.M. Approximating Expected Utility by a Function of Mean and Variance // American Economic Review. – 1979. – № 69(3). – p. 308-317.
  15. 15. Black F., Litterman R. Global Asset Allocation with Equities, Bonds, and Currencies. - Fixed Income Research, Goldman, Sachs Company, 1991. – 40 p.
  16. 16. Яковлева Е.А., Гаджиев М.М., Шарич Э.Э., Яковлева Д.Д. Принятие инвестиционных решений хедж-фондом на основе динамического риск-контроля // Экономика, предпринимательство и право. – 2022. – № 1. – c. 223-238. – doi: 10.18334/epp.12.1.114226.
  17. 17. Воронова Н.С., Шарич Э.Э., Яковлева Д.Д. Архитектура системы поддержки принятия инвестиционных решений в финансовой экономике на основе мониторинга рыночной конъюнктуры // Экономика, предпринимательство и право. – 2020. – № 12. – c. 2933-2946.
  18. 18. Markowitz H.M. Portfolio selection // J. Finance. – 1952. – № 7. – p. 77–91.
  19. 19. Кукор Б.Л., Куршев Е.П., Виноградов А.Н. Разработка динамического когнитивного сценария функционирования предприятия и производственных комплексов в процессе управления экономикой // Теоретические проблемы стратегического планирования на микроэкономическом уровне: Сборник докладов участников секционных заседаний XXI Всероссийского симпозиума. Москва, 2020. – c. 98-101.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Воронова Н.С., Яковлева Е.А., Шарич Э.Э., Яковлева Д.Д., 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».