Об оценивании времени работы управляющего фондом акций
Автор: Ивин Евгений Александрович, Курбацкий Алексей Николаевич, Словеснов Александр Викторович
Журнал: Проблемы развития территории @pdt-vscc-ac
Рубрика: Устойчивое развитие территорий, отраслей и производственных комплексов
Статья в выпуске: 1 (81), 2016 года.
Бесплатный доступ
В работе анализируются показатели доходности ведущих российских паевых инвестиционных фондов и индекса ММВБ. С использованием различных методов была дана оценка снизу времени, которое необходимо руководству компании для того, чтобы сделать обоснованные выводы о качестве работы управляющего фондом. В статье также показано, что выбор индекса ММВБ в качестве бенчмарка не всегда адекватен, и в конце работы предложен универсальный индекс, а также код программы для возможности его использовании в программе MS Excel. При рассмотрении вопроса об инвестировании в акции, как правило, анализируются два момента: доход, на который может рассчитывать инвестор, и срок, по истечении которого акции реализуют свой потенциал. В этой статье затронуты оба вопроса и показано, сколько времени необходимо для надежной оценки доходности выбранного фонда. Выводы опираются на исторические данные о доходности и волатильности акций, которые наблюдались на российском рынке последние семь лет. Полученную в работе оценку временного интервала можно назвать средним сроком реализации инвестиционной идеи в акциях. Следовательно, если инвестор по итогам года не заработал на акциях, то это не значит, что его инвестиция изначально была неправильной - ему просто могло не повезти. Иными словами, наши результаты показывают, что не стоит вкладываться в российские акции с горизонтом меньшим, чем 1,5 - 2,5 года. Аналогичная ситуация наблюдается и для фондов акций. Конечно, непрофессионалам фондового рынка лучше выбирать ПИФ как способ инвестирования в акции, однако в любом случае не стоит доверять консультантам, которые обещают доход уже через несколько месяцев.
Управляющий фондом, российский фондовый рынок, испытательный срок, взвешенный индекс
Короткий адрес: https://sciup.org/147111346
IDR: 147111346
Текст научной статьи Об оценивании времени работы управляющего фондом акций
эмпирическую дисперсию
n 2
2 2 =1 £ ( h , — h " )
n =1
и нормализованный размах накопленных сумм H k
P
n
n
n
В предположении независимости и одинаковой распределенности величин h 1 ,h 2 ,... распределение Θ n не зависит от среднего значения и дисперсии величин h k при k ≤ n. Последнее дает возможность проверять гипотезу о том, что рассматриваемые значения индекса или пая подчиняются схеме случайного блуждания.
P ^ 1.
ln 0 =ln — n ~ lnJ — + — In n n 2 n 2 2
Таким образом, в логарифмической шкале значения ln Θ n должны лежать ря- n ,1
дом с прямой lnJ — + — ln n , откуда возникает следующий подход для анализа индекса.
Вычисляем значения Θ n и наносим точки (ln n ; ln Θ n ) на плоскость с соответствующими логарифмическими шкалами. С помощью метода наименьших квадратов находим прямую a^ + b^ ln n . Угловой коэффициент прямой называется коэффициентом Харста и обозначается H.
Если b^ будет значимо отличаться от 0.5, то гипотезу о случайном блуждании следует отвергнуть.
Таким образом, R/S-анализ позволяет сравнивать рискованность того или иного фонда. При стремлении коэффициента Харста к 1 шумовая компонента процесса становится меньше. При H = 1 имеем дело со стандартным фрактальным броуновским движением B 1 (t) = tξ, где ξ : N (0;1), которое наименее «зашумленное» в классе всех фрактальных броуновских движений с параметром 0 ˂ H ≤ 1. Поэтому и модели, описываемые такими процессами, являются менее рискованными.
Возвращаясь к проблеме оценки качества управления фондом, а точнее, к проблеме определения момента времени, когда по показателям фонда можно делать надежные выводы о его управляющем, исследуем поведение коэффициента Харста (табл. 4-9; рис. 1-2) .
Из результатов анализа индекса ММВБ (см. табл. 6) мы видим, что коэффициент Харста оказался значительно больше 0.5. Причина, по всей видимости, заключается в том, что мы имеем дело с системой с долгой памятью, говорят, что сохраняется тенденция движения (например, если
Таблица 4. Коэффициент Харста для индекса ММВБ в период с 01.2005 по 06.2006
Квартал K |
K 1 |
K 2 |
K 3 |
K 4 |
K 5 |
K 6 |
Длительность наблюдений в месяцах |
3 |
6 |
9 |
12 |
15 |
18 |
Коэффициент Харста H |
0,3768 |
0,4552 |
0,5071 |
0,4829 |
0,4999 |
0,5018 |
Таблица 5. Коэффициент Харста для индекса ММВБ в период с 07.2006 по 12.2007
Квартал K |
K 7 |
K 8 |
K 9 |
K 10 |
K 11 |
K 12 |
Длительность наблюдений в месяцах |
21 |
24 |
27 |
30 |
33 |
36 |
Коэффициент Харста H |
0,5164 |
0,5249 |
0,5327 |
0,5497 |
0,5677 |
0,5804 |
Таблица 6. Коэффициент Харста для индекса ММВБ в период с 01.2008 по 05.2012
Месяцы |
42 |
48 |
54 |
60 |
66 |
72 |
78 |
84 |
90 |
H |
0,6082 |
0,6306 |
0,6493 |
0,6542 |
0,649 |
0,6377 |
0,6285 |
0,6251 |
0,6258 |

Рис. 1. Индекс ММВБ: 2005 – 2012 гг.
наблюдается рост, то с большой вероятностью он будет продолжаться). Таким образом, приходим к выводу, что менее рискованно иметь дело с ценными бумагами, основанными на индексе ММВБ, нежели с акциями компаний. Это легко объясняется диверсификацией, которая свойственна индексу ММВБ. Но, как уже было ранее указано, при оценке деятельности управляющего опираться на показатели риска не представляется разумным, для больших H возможны продолжительные спады, что не противоречит меньшему риску. Напротив, при меньшем шуме проявляется большая настойчивость в сохранении направления движения.
Проводя аналогичные вычисления для инвестиционного фонда, в первую очередь следует отметить некоторое пре- восходство параметра фрактальности для фонда над тем же показателем для индекса ММВБ. Это, по всей видимости, объясняется тем фактом, что при схожей структуре индекса и паевого фонда последний является более надежным, поскольку, как указывалось ранее, часть денежных средств остается на счетах фонда.
Из приведенных таблиц видно, что изменение коэффициента Харста для фонда не превышает 0,02 в течение полугода, начиная с 21 месяца, а стабилизация происходит около значения 0,6. Начиная со второй половины 2006 года и до середины 2012 года коэффициент Харста находится в пределах от 0,55 до 0,654. Поэтому
Таблица 7. Коэффициент Харста для фонда 1 в период с 01.2005 по 06.2006
Инвестиционный фонд 1 01.2005 – 06.2006 |
||||||
Квартал K |
K 1 |
K 2 |
K 3 |
K 4 |
K 5 |
K 6 |
Длительность наблюдений в месяцах |
3 |
6 |
9 |
12 |
15 |
18 |
Коэффициент Харста H |
0,5022 |
0,5438 |
0,5882 |
0,5575 |
0,5357 |
0,5367 |
Таблица 8. Коэффициент Харста для фонда 1 в период с 07.2006 по 12.2007
Инвестиционный фонд 1 07.2006 – 12.2007 |
||||||
Квартал K |
K 7 |
K 8 |
K 9 |
K 10 |
K 11 |
K 12 |
Длительность наблюдений в месяцах |
21 |
24 |
27 |
30 |
33 |
36 |
Коэффициент Харста H |
0,5559 |
0,568 |
0,5751 |
0,5871 |
0,5978 |
0,6035 |
Таблица 9. Коэффициент Харста для фонда 1 в период с 01.2008 по 05.2012
Инвестиционный фонд 1 01.2008 – 05.2012 |
|||||||||
Месяцы |
42 |
48 |
54 |
60 |
66 |
72 |
78 |
84 |
90 |
H |
0,6124 |
0,6278 |
0,6497 |
0,6576 |
0,6537 |
0,6477 |
0,6349 |
0,6275 |
0,6302 |

Рис. 2. Инвестиционный фонд 1: 2005 – 2012 гг.
к концу второго года можно делать обоснованные выводы о качестве управляющего, при этом отметим, что делать это должно руководство компании, опираясь на различные показатели и собственное видение ситуации, мы же только указываем срок, по истечении которого они могут быть достаточно надежными.
Метод 3: Мартингальный подход
Здесь мы попытаемся оценить время, необходимое для оценки качества работы управляющего, используя широко распространенный мартингальный подход. Основой предлагаемого метода служит пример, представленный в книге А.Н. Ширяева [7] (глава II, §5). Ввиду лако- ничности изложения, мы позволим себе более подробное описание с некоторыми уточнениями.
Рассмотрим модель, в которой относительное приращение индекса X n , n = 0,1,... определяется рекуррентными соотношениями
X n+1 = 0 • X n + (1 - 0) • ^ n+1 , n > 0, (2)
где величина θ∊R является неизвестным параметром. Случайные величины Xo,^i,^2,..., определенные на некотором вероятностном пространстве (Ω, Φ, Ρ), считаются невырожденными, независимыми и квадратично интегрируемыми, а математическое ожидание всех инно- ваций ξn– равным нулю. Отметим, что множитель (1 – θ), расположенный в правой части (2) является излишним и участвует в равенстве, обеспечивая сходство с применяемой на практике EWMA моделью (описание модели см., например, у А.Н. Ширяева [7]).
Принимая каждое из значений X0, X1, ... как результат наблюдений, рассмотрим в качестве оценки параметра θ величину n-1
E X k X k +1
9 n = k = n 1 k + + 1 , D k = Df ), k € N , (3)
EXk k=0 Dk+1
n mn = I(-k - E(Mk |F,-)), An = k=1
n
= I ( E ( - k 2|F . - ) - - L).
k =1
Компенсатор A n перепишем в виде
n
An = IE(-k - Mk2_JFk-- Mp) = k=1
n
= I E (( - k - - k Vl F k - ) =
k =1
n
= IE k=1
(r 2
He-16'
(V D k 7
I F k -,
полагая ее равной нулю, в случае если знаменатель дроби обращается в ноль. В дальнейшем мы будем предполагать, что выполнено условие Ρ{ω : X0(w)=0}=0, гаранти- n —1 X 2
рующее P-п.н. неравенство ^—— = 0 .
k =0 D k +1
Используя равенство (2), мы представим (P-п.н.) оценку θ n в виде
n Y 2
Z X k -1
k =1 D k
E (S\F k - ) = I
n X
- 2
k -1
.
k =1
D k
Последнее равенство означает, что M предложенная оценка 9n = 9 +-- n .
n An
Так как
A= E ( M 1 | F 0)= E ( X2f 2)= E ( X 02) ■ E f 2) = 0,
M
0n = 9 + (1 - 9) -n, An n-1 у e n-1 у 2
-n = I . An = I XT к=0 Dk+1 k=0 Dk+1
M то для P-п.н. сходимости —n ^ 0., n^^, An эквивалентной P-п.н. сходимости θn→θ, n→∞, достаточно двух условий5
.
sup X+L < M.
n D nn
( f f
I E min n =1 l v D-
M
n
= m . (4)
Стохастическая последовательность (M n ,F n ) n≥1 с фильтрацией Φ = σ(X 0 ,ξ 1 , ... ξ n ) образует мартингал, поскольку
(n - 2 у e
E ( - . | F . ) I - f 1
V k =0 D k + 1
+ - n - 1 f n
D n
| F n - 1
Возвращаясь к оценке эффективности управляющего, мы рассмотрим для относительных приращений величины пая модель (2), в которой случайные величины ξ 1 ,ξ 2 ,... имеют одинаковое распределение. В этом случае условия (4) выполне-
n - 2
= I P ' + -P2 E f. I F.) = M , ..
k =0 D k + 1 D n
( n -1
ны и оценка 9 n = I I X , X k „
V k =0
n -1
И I X'k
V k =0 7
схо-
В последнем равенстве мы использовали независимость X 0 ,ξ 1 , ... ξ n и равенство Eξ n = 0 . Определив Φ 0 = { ∅ ,Ω}, M 0 = 0, рассмотрим разложение Дуба [2] для субмартингала (M2 n ,F n ) n≥1 :
дится P-п.н. к неизвестному параметру θ . Для проверки применимости модели (2) к исследуемому фонду обратимся к графикам изменения оценок θ n в периоды 2005 – 2006 гг. и 2005 – 2012 гг. (рис. 3, 4).
5 Для строгого доказательства необходимо усилить условие A 1 ≥ 1 P-п.н. теоремы 4 до A 1 > 0 P-п.н. и условие a n > 0, n ∊N задачи 6 до a 1 > 0, a n ≥ 0 при n ≥ 2.
0.5
0.4
0.3
0.2
0.1

Рис. 3. Изменение оценки в период 2005 – 2006 гг.
1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 73 77 81 85 89 93 97 101
0.5
0.4
0.3
0.2
0.1

1 14 27 40 53 66 79 92 105 118 131 144 157 170 183 196 209 222 235 248 261 274 287 300 313 326 339 352 365 378
Рис. 4. Изменение оценки в период 2005 – 2012 гг.
На представленных графиках мы видим, что сходимость θ n имеет место. Более того, в конце 2008 года наблюдается характерный всплеск, обусловленный общей нестабильностью рынка, который впоследствии нивелируется. Данный эффект можно интерпретировать как устойчивость используемой модели, что вместе со сходимостью θ n оправдывает ее применение.
Оцениваемый параметр θ определяет зависимость будущей прибыли X n+1 от предыдущего наблюдения X n и инновации ξ n+1 , поэтому может выступать характеристикой риска. Таким образом, оценка эффективности управляющего может основываться на величине θ n при условии ее близости к истинному значению параметра. При этом время, необходимое для качественной оценки, будет определяться скоростью сходимости θ n .
Для исследования скорости сходимости рассмотрим период 2005 – 2007 гг.
Последнее значение оценки θ n , равное 0,0889, мы примем за истинное значение θ и для каждого из 12 кварталов этого периода K j вычислим величину
A j = max | в п - У |, j = 1, _ ,12.
n ∈ K j
Соответствующие таблицы 10, 11 .
Мы видим, что приемлемая точность оценки θ n (в смысле сходимости к θ ) появляется лишь после 18 – 21 месяцев наблюдений, что согласуется с полученными ранее результатами. Отметим здесь также, что данные по другим фондам приводят к аналогичным цифрам и говорят о необходимости по крайней мере 18 месяцев наблюдений (соответствующий график см. в следующем разделе).
Предложенная модель (2) позволяет инвесторам сравнивать различные фонды по оценкам θ n . Интересно отметить, что оценки параметра θ , вычисленные для индекса ММВБ не могут служить
Таблица 10. Динамика величины Δ в период 01.2005 – 06.2006
Квартал K |
K 1 |
K 2 |
K 3 |
K 4 |
K 5 |
K 6 |
Длительность наблюдений (мес.) |
3 |
6 |
9 |
12 |
15 |
18 |
Величина Δ |
0,3570 |
0,0570 |
0,1929 |
0,1773 |
0,1828 |
0,1447 |
Таблица 11. Динамика величины Δ в период 07.2006 – 12.2007
Квартал K |
K 7 |
K 8 |
K 9 |
K 10 |
K 11 |
K 12 |
Длительность наблюдений (мес.) |
21 |
24 |
27 |
30 |
33 |
36 |
Величина Δ |
0,0405 |
0,0169 |
0,0159 |
0,0147 |
0,0164 |
0,0037 |

Рис. 5. Динамика оценки параметра для индекса ММВБ в период 2005 – 2007 гг.
в данном случае бенчмарком. Действительно, если обратиться к графику последовательности θ n , соответствующей индексу ММВБ, мы увидим следующую картину (рис. 5).
На графике видно, что с ростом n оценочное значение θ n становится отрицательным и, следовательно, не может интерпретироваться как мера риска. Ниже мы предложим один из способов построения такого бенчмарка, который может оказаться полезным и в других целях.
Построениеуниверсального индекса
Как уже отмечалось выше, оценка деятельности управляющего в большинстве случаев выражается в сравнении характеристик его фонда (среднего, дисперсии, коэффициента Шарпа) с соответствующими показателями некоторого универсального индекса. До настоящего момента в работе предполагалось, что универсальным является индекс ММВБ. Однако в некоторых случаях более корректным является построение такого индекса, например, на основе стоимости паев крупнейших индексных фондов.
Самым распространенным способом построения универсального показателя по-прежнему остается вычисление среднего арифметического некоторых выбранных величин, что объясняется простотой данной методики и многими замечательными свойствами. Ниже мы предложим усовершенствованный метод расчета, в котором среднее арифметическое заменяется взвешенной суммой. При этом веса выбираются таким образом, чтобы получившийся показатель имел наибольшую корреляцию с ММВБ. Преимущество этого метода заключаются в следующем. Далеко не все индексные фонды точно повторяют структуру индекса (особенно часто это встречается у фондов небольшого размера). У крупных фондов есть другая особенность: из-за своей популярности они часто встречаются с активными вводами/выводами денежных средств, что приводит к необ- ходимости регулярно осуществлять операции, что негативно сказывается на доходности. Вес таких фондов в нашем взвешенном индексе будет минимальна.
Для формулировки поставленной задачи на математическом языке нам потребуются следующие обозначения. Пусть v и i v - векторы пространства R n , а ∑ – строго положительно определенная матрица. Под выражениями || v || и || v | z мы будем понимать нормы в Rn, порожденные соответственно скалярными произведениями
(V,w) = VT • w = £vw к=1
n и (v,w)Z = v T Z w = ^vi^jjWj.
i , j =1
Используя данные обозначения, сформулируем задачу построения универсального показателя.
Пусть ^1,^2,..., ^п,П — невырожденные случайные величины, отвечающие значениям стоимости паев выбранных индексных фондов Ki, K2, ..., Kn и значению индекса ММВБ соответственно. Тогда сформулированная выше задача сводится к нахождению вектора а = (а* а2,..., аП), такого, что а* = arg max |сог(аг + а2^2 + ... + ап^п,п)].
S eR „ \{0}
Из свойств коэффициента корреляции следует, что
С0Г ( « 1 ^ 1 + « 2 ^ 2 + ^ + аЛ „ , П ) =
= C 0 V ( « 1 ^ 1 + « 2 ^ 2 + • • • + « „ £ „ , П ) =
D ^H D( «^ + « 2 ^ 2 + • + аЛ „ )
« 1cov( ^ 1 , п ) + « 2cov( ^ 2 , п ) + • + а „ cml а „ , п )

где ∑ – матрица ковариаций случайных величин ^1,^2,..., ^п,, относительно которой мы делаем предположение о строгой положительной определенности. Отметим, что это ограничение не нарушает общ- ности, так как вырожденность матрицы ∑ означает линейную зависимость индексов. В этом случае для построения универсального показателя мы можем использовать максимальный независимый набор индексов со строго положительной матрицей ковариаций.
Введя обозначение V = (cov(^ i ,n), cov(^ 2 ,n), ..., cov(^ n ,n)) , мы можем свести нашу задачу к нахождению максимума функции
/ „ ( а ) =
« 1V 1 + а 2 V 2 + • + a n^n
II ^ 1Z
( a , v )
II а s ,
которая отличается от коэффициента корреляции постоянным множителем V Dп. Данная функция является однородной (степени 0), так как
I f „ ( O )H f „ (ка )| V 2 e R .
В силу неравенства Коши-Буняковского f„ (а) =
T α ⋅ v
α Σ
a - s- ( s-1 v )
α Σ
( а , S-1 v ) 2 α Σ
£1 =ч v L =
= ( s - 1 v ) T • S • S-1 v = v T -S-1 • v = || v| |s - 1
функция f n имеет критические точки, коллинеарные вектору I -1 v , и в случае сона-правленности векторов сс и Z -1 v достигается наибольшее значение || v |z -i .
Итак, мы показали, что поставленная задача имеет аналитическое решение. Однако найденные веса ос * = ! -1 v могут получиться отрицательными, что не соответствует понятию «взвешенной суммы». Для нахождения «классических» весов необходимо рассматривать задачу максимизации функции f n на множестве
M = | ( а 1 , - , а „ ): а . > 0 V i = 1, ^ , „ ; ]Г а , =1 1 , (1)
I i =1
которую мы сведем к рассмотренной выше задаче нахождения безусловного экстремума с помощью специального разбиения множества M.
Пусть δ ⊂ {1,2,...,n} – некоторый непустой набор индексов. Определим множество M δ с помощью следующего равенства:
M δ = M ∩{( α 1 , α 2 ,..., α n ) : α i > 0 ∀ i ∊ δ ; α i = 0 ∀ i ∉ δ }
Множества M δ1 и M δ2 , соответствующие разным наборам δ 1 и δ 2 , не пересекаются, при этом все множество M представляется в виде объединения ∪ M δ по всем непустым наборам δ ⊂ {1,2,...,n}. Следовательно, решение α⁻ *= a rgmaxf n | M , которое существует в силу компактности множества M, принадлежит одному из множеств M* δ . Далее рассмотрим две возможности.
-
1. Множество M* δ соответствует набору δ , состоящему из единственного индекса k . В этом случае множество M* δ содержит единственную точку, поэтому α⁻ * = (0,0,...,0,1,0,...,0) (в данном наборе единица располагается на k -ом месте).
-
2. Множество M* δ соответствует набору δ , мощности которого больше 1. В этом случае заметим, что
- f*(а)"; =тОг=f5,<а‘),
Σδ где ∑δ – минор матрицы ∑, соответствующий набору δ, а α⁻ δ, v⁻ δ – векторы размерности |δ|, составленные из компонент векторов α⁻ и ⁻v, образующих набор δ. Иными словами, ограничение функции fn на множестве M*δ является функцией такого же вида размерности |δ|. По доказанному выше, точка α*δ является критической для функции f|δ| и должна быть коллинеарна вектору ∑-δ1v⁻δ.
Таким образом, задача нахождения максимума функции f n | M может быть решена алгоритмически следующим образом. Пусть ∆ – множество непустых наборов δ ⊂ {1,2,...,n}, для которых все координаты вектора ∑ - δ 1 ⁻v δ неотрицательны и хотя бы одна положительна, и
-
5 * =а rg max f ^(S ^1 г5 )
δ ∈ ∆
Тогда максимальное значение функции f n на множестве M равно f | δ |* ( ∑ - δ 1 * v⁻ δ* ), а точка α⁻ * , в которой достигается максимум, получается из вектора ∑ - δ 1 * ⁻v δ* добавлением n –| δ *| нулевых компонент.
Рассмотрим одно из возможных приложений построенного выше индекса – его использование как бенчмарка в соответствующей модели. Для иллюстрации мы выберем два инвестиционных фонда и построим для них последовательность θ n за период 2005 – 2007 гг. График и таблица скорости сходимости θ n для первого фонда уже рассматривались в предыдущем разделе, для второго – приведены далее ( рис. 6; табл. 12, 13 ; последнее значение на графике: θ = 0,1308).
При построении универсального индекса в данном случае весовые коэффициенты получаются равными α 1 = 0,2369, α 2 = 0,7631, а график последовательности θ n для этого индекса имеет следующий вид (рис. 7).
На этом графике последнее значение θ n равно 0,1129, что является своеобразным средним соответствующих величин инвестиционных фондов, участвующих в построении индекса.
Таблица 12. Динамика величины Δ в период 01.2005 – 06.2006
Квартал K |
K 1 |
K 2 |
K 3 |
K 4 |
K 5 |
K 6 |
Длительность наблюдений (мес.) |
3 |
6 |
9 |
12 |
15 |
18 |
Величина Δ |
0,0718 |
0,1745 |
0,1839 |
0,2035 |
0,1467 |
0,0832 |
Таблица 13. Динамика величины Δ в период 07.2006 – 12.2007
Квартал K |
K 7 |
K 8 |
K 9 |
K 10 |
K 11 |
K 12 |
Длительность наблюдений (мес.) |
21 |
24 |
27 |
30 |
33 |
36 |
Величина Δ |
0,0219 |
0,0211 |
0,0196 |
0,0269 |
0,0270 |
0,0087 |

Рис. 6. Динамика оценки параметра для фонда 2 в период 2005 – 2007 гг.

Рис. 7. Динамика оценки для универсального индекса в период 2005 – 2007 гг.
Список литературы Об оценивании времени работы управляющего фондом акций
- Айвазян, С. А. Прикладная статистика. Основы эконометрики /С. А. Айвазян, В. С. Мхитарян. -Т. 1. Теория вероятностей и прикладная статистика. -М.: Юнити-Дана, 2001. -656 с.
- Дуб, Д. Л. Вероятностные процессы /Д. Л. Дуб. -М.: ИЛ, 1956.
- Петерс, Э. Фрактальный анализ финансовых рынков. Применение теории хаоса в инвестициях и экономике /Э. Петерс. -М.: Интернет-трейдинг, 2004. -304 с.
- Петерс, Э. Хаос и порядок на рынках капитала /Э. Петерс. -М.: Мир, 2000. -333 с.
- Халл, Д. К. Опционы, фьючерсы и другие производные финансовые инструменты /Д. К. Халл; пер. с англ. -6-е издание. -М.: ООО И. Д. Вильямс, 2007. -1056 с.
- Ширяев, А. Н. Основы стохастической финансовой математики /А. Н. Ширяев. -Т. 1. Факты, модели. -М.: МЦНМО, 2016.
- Ширяев, А. Н. Вероятность /А. Н. Ширяев. -Т. 1, 2. -3-е издание. -М.: МЦНМО, 2004.
- Engle, R. F. Risk and Volatility: Econometric Models and Financial Practice : American Economic Review/R. F. Engle. -2004. -Vol. 94 (3). -P. 405-420.
- Hurst, H. Long-term storage capacity of reservoirs /H. Hurst//Transactions of American Society of Civil Engineers. -1951. -Vol. 116. -P. 770-808.
- Mandelbrot, B. B. Fractals: Form, Chance, and Dimension /B. B. Mandelbrot. -San Francisco: Freeman, 1977.
- Mandelbrot, B. B. Robustness of the rescaled range R/S in the measurement of noncyclic long-run statistical dependence /B. B. Mandelbrot//Water Resources. Research. -1969. -Vol. 5. -№5. -P. 967-988.
- Mandelbrot, B. B. Statistical methodology for non-periodic cycles: from the covariance to R/S analysis /B. B. Mandelbrot//Annals of Economic and Social Measurement. -New York: Wiley. -1972. -Vol. 1. -№3. -P. 259-290.
- Mandelbrot, B. B. Fractional Brownian motions, fractional noises and applications /B. B. Mandelbrot, J. W. Van Ness//SIAM Review. -1968. -Vol. 10. -№4. -P. 422-437.
- Razali, N. Power comparisons of Shapiro-Wilk, Kolmogorov-Smirnov, Lilliefors and Anderson-Darling tests /N. Razali, Y. B. Wah//Journal of Statistical Modeling and Analytics. -2011. -№ 2 (1). -P. 21-33.
- Rossi, E. Long memory and Periodicity in Intraday Volatility, DEM Working Papers Series 015 /E. Rossi, D. Fantazzini; University of Pavia; Department of Economics and Management, 2012.