Время в инвестировании
Время — это архимедов рычаг в инвестировании. Чарльз Д. Эллис
Время – это один из основных факторов успешного вложения средств. Многие наверняка слышали о магии «сложного процента», когда процент начисляется на возрастающую сумму, что с годами приводит к экспоненциальному росту дохода. Исследования показывают, что фактор времени при правильном распределении активов значит несравненно больше, чем просто удачный момент входа в рынок.
Почему так? Хороший портфель включает множество инструментов и часть из них в момент покупки будут недостаточно дешевы. Но именно время даст возможность вырасти портфелю целиком, раскрыв потенциал всех его компонентов. Статья ниже призвана четко ответить на вопрос, как можно накопить капитал на фондовом рынке.
Римский педагог и оратор Квинтилиан говорил «пока мы размышляем, когда нам начать, часто бывает уже слишком поздно действовать». Рассматривая эту фразу в контексте финансового сектора, важно провести некую границу, чтобы не попасть в логическую ловушку. В чем она состоит?
При всей важности времени первостепенным для инвестора является вопрос выбора своей стратегии, тогда как его активы должны быть надежно защищены от неторговых рисков. Ошибка в этом компоненте может привести как к вложениям в финансовые пирамиды с обещанием высокого дохода, так и излишне консервативные инструменты, в результате чего результат оказывается совсем не таким, на который инвестор рассчитывал.
Однако когда видна историческая доходность рыночных инструментов и есть понимание того, как правильно инвестировать, то дальнейшие ожидания (вот начну больше зарабатывать, вырастет ребенок, упадет рынок и пр.) с копанием во второстепенных подробностях лишь все больше затрудняют задачу добиться своих финансовых целей. И уже в этой ситуации ответ на вопрос «когда начинать инвестировать» очень конкретен: как можно раньше .
Дело за тактикой – подбором конкретных фондов под выбранную стратегию с учетом склонности инвестора к риску, его возраста и пр. При этом идеальной рыночной ситуации и особенно идеального инвестиционного портфеля, непрерывно растущего в любых обстоятельствах, попросту не существует.
Влияние времени на инвестирование
Большинство примеров по инвестициям со сложным процентом, что я видел в блогах, обычно оперируют или очень большими сроками, или завышенной доходностью, что позволяет показать впечатляющую, загнутую вверх кривую. Ниже я попробую привести приближенный к практике пример, опираясь на проверенные более чем сотней лет рыночные данные.
Допустим, инвестор в возрасте 40 лет, получающий стабильную заработную плату в размере 2 тыс. долларов (на момент статьи это около 115 000 рублей), желает через 15 лет отойти от активной трудовой деятельности и иметь ежемесячный пассивный доход от вложений в размере 1 тысячи долларов (половина текущей оплаты труда).
Для этого нужно за отведенные 15 лет накопить достаточно большую сумму, но инвестиционный портфель не должен быть слишком агрессивным и рискованным. Его задача — в сохранении и приумножении средств для последующего обеспечения своего владельца пассивным доходом.
Примем, что ежемесячная рента рассчитывается из 5% от капитала в год — в нее может входить купонный или дивидендный доход, а также выплаты процентов по фондам недвижимости. Кроме того, это может быть и рост котировок, в первую очередь акций.
С таким допущением нашему инвестору необходимо накопить как минимум 240 тысяч долларов. Для этого в течение 15 лет нужно ежемесячно вкладывать 700 долларов под 8% годовых. При заработной плате в 2 тысячи долларов вложение 700 $ (чуть больше трети от текущего ежемесячного дохода) заметно для бюджета, но все же находится в рамках совмещения с ним.
Внимательные читатели заметят еще одно допущение: предполагается стабильное получение зарплаты в 2 000 $ или рублевом эквиваленте этой суммы. Но для получающих деньги в рублях после декабря 2014 ситуация резко изменилась — вносить те же 700 долларов стало бы гораздо труднее. Тем не менее ввиду нестабильности курса рубля, его короткой биржевой истории и заметной инфляции я предпочитаю вкладывать и проводить расчеты в долларах.
Откуда берутся 8% годовых? Из средней доходности фондового рынка США за всю его историю, которая примерно равна 10% в год. Однако известно, что на капитал влияет инфляция — для доллара с начала века она равна около 2%. Разница, равная 8% и есть используемая в расчете доходность.
Разумеется, нет твердой гарантии сохранения исторического роста американского рынка с той же скоростью, что и ранее — как и нет гарантии сохранения инфляции на текущем уровне (в 70-е годы она пару лет достигала двузначных чисел). Но имеем то, что имеем — для компенсации этих моментов (а также различного рода неизбежных комиссий) я заложил пониженную ренту в размере 5, а не 8% годовых. Хотя и эти числа весьма оптимистичны.
На графике ниже, учитывающим реинвестирование дивидендов фондового рынка США, за вычетом инфляции получается немного меньше 7% чистой доходности (так как инфляция в США за последние 100 лет была в среднем несколько больше, чем с 2000 года). Кроме того, хорошо видно, что доллар с 1930-х годов по 2011 обесценился на 95%:
Теперь предположим, что под влиянием непредвиденных обстоятельств инвестор отложил свои планы по вложению средств и вернулся к этому вопросу только через 3 года. Задача осталась прежней — тысяча долларов ежемесячного пассивного дохода.
Но чтобы получить необходимые для этого 240 тысяч долларов через 12 лет (а не 15, как ранее) инвестору требуется вкладывать уже не 700, а 1000 $ в месяц. За три «потерянных» года стоимость его будущей цели возросла на 300 долларов. Кроме того, сократив время, мы увеличиваем разброс результатов. Но сохранив условия выше, ежемесячные инвестиции нашего инвестора будут составлять уже не треть, а половину текущих доходов! А относительно прежнего ежемесячного вклада «добавка» выросла более, чем на 40%!
Если же инвестор будет, как и планировалось раньше, вкладывать по 700 долларов ежемесячно, его капитал через 12 лет составит 169 тыс. долларов, а ежемесячный пассивный доход — 704 $. В итоге результатом трех лет бездействия станет недополученный капитал в размере 71 тыс. долларов и уменьшение ежемесячных пассивных доходов на 296 $.
Для более крупных целей (например, при зарплате в 6 000 долларов и желаемом пассивном доходе в 3 000 $ в месяц) разница при промедлении в три года на тех же сроках получится еще более впечатляющей — ежемесячные инвестиции придется увеличить примерно с 2 100 до 3 100, т.е на 1 000 долларов.
Таким образом, чем раньше инвестор начнет вкладывать свои средства, тем большую сумму он сможет накопить к желаемому сроку, и тем дешевле будет для него выполнение намеченных планов. Ниже в таблице приведены примеры ежемесячной суммы вложений для получения 240 тысяч долларов под 8% годовых через разные сроки.
| Ежемесячная сумма инвестиций, долларов | Продолжительность накопления, лет | Общая сумма вложений за время накопления, долларов |
| 165 | 30 | 59 400 |
| 255 | 25 | 76 500 |
| 410 | 20 | 98 400 |
| 700 | 15 | 126 000 |
| 1310 | 10 | 157 200 |
| 3250 | 5 | 195 000 |
| Общий накопленный капитал | ≈ 240 тыс. долларов | |
Как видно, расчеты на разные сроки инвестирования подтверждают тезис о преимуществе ранних вложений по сравнению с более поздними, причем эта выгода проявляется и в ежемесячных отчислениях, и в общей сумме инвестиций. Срок 5 лет, впрочем, указан довольно условно — получение рыночной доходности хорошо работает именно на длинных интервалах от 10 лет.
Почему? Вернемся к графику выше. Стандартное отклонение доходности на всем промежутке времени составило 18% для акций, 9% для облигаций и 6% для векселей. Для инвестора с горизонтом в 1 год акции таким образом значительно рискованней (в 2-3 раза), чем фиксированный доход.
Для десятилетнего промежутка картина не сильно отличается. Средняя доходность за лучшее десятилетие между 1802 и 1997 годами – 17% годовых, а средняя за худшее десятилетие – минус 4%. Т.е. разница в 21%. У облигаций и векселей разница в доходности соответственно 18% и 17%. Весьма близко.
Однако время уменьшает разрыв и разница между доходностью за двадцать лет практически одинакова для всех видов активов: 12 %. А вот за 30 лет ситуация и вовсе выглядит нелогично, так как у акций изменчивость доходности получается даже меньше, чем у облигаций (лучшие и худшие 30-ти летние периоды в 20 веке давали доходность акций США 15% и 8% годовых, т.е. разница 7%).
Что это значит? Что продержав акции значительное время, мы можем получить высокую доходность с риском, равным или даже чуть меньшим, чем будучи вкладчиком облигаций!
Источник
Жизнь«Он инвестирует. Она стирает вещи»: Как искусственный интеллект поддерживает стереотипы
И какие последствия у предвзятости алгоритмов
Недавно в соцсетях большой резонанс вызвали посты о гендерных стереотипах в переводах Google Translate. Пользователи делились результатами перевода с гендерно-нейтральных языков на те, где есть женские и мужские местоимения. В итоге изначально нейтральные сочетания превратились в поддерживающие стереотипы «Он инвестирует. Она стирает вещи». Это не единственный пример предвзятости в работе алгоритмов и искусственного интеллекта — проблемы возникают при распознавании лиц людей, в здравоохранении и многих других сферах. Мы решили посмотреть, как у ИИ появляются предубеждения, чем это грозит и как это уже повлияло на наше общество.
текст: Анна Третьякова
Входные данные предопределяют нашу участь
В конце марта по соцсетям разлетелись посты с примерами сексистского перевода Google Translate: преподавательница Университета Эксетера Дора Варга поделилась результатами перевода с венгерского, в котором только одно местоимение третьего лица единственного числа, на английский. Нейтральные предложения превратились в стереотипные: готовить, стирать и растить ребёнка стала «она», а исследовать, заниматься политикой и зарабатывать — «он». Один из подписчиков попробовал перевести фразу «Она — инженер, он — красивый» с английского на венгерский и обратно — Google вернул ему противоположный изначальному вариант. Эксперимент повторили в издании «Утопия», сделав перевод с венгерского на русский, и тоже получили результаты, подкрепляющие стереотипы, причём как от Google Translate, так и от «Яндекс.Переводчика».
«Вот как повседневный сексизм стабильно кодируется в 2021 году», — заключила Варга. При этом в Google знают о проблеме машинного перевода, в начале 2020 года компания («опять», как заметили в издании Slator) «чинила» свой сервис, однако, очевидно, новые алгоритмы распространяются пока не на все языки. Кстати, при переводе на русский существуют и другие проблемы: в начале апреля активисты подписали открытое письмо к Google с требованием исправить перевод слов «homosexual» и «homosexuality», на которые сервис выдавал патологизирующие термины с суффиксами «-ист» и «-изм». На днях Google Translate исправил основной перевод (хотя устаревший термин всё же появляется как один из вариантов). В «Яндекс.Переводчике» тем временем «голубой» до сих пор существует как один из вариантов перевода слова «gay»: раздел предлагает примеры с фразами из старых телешоу.
В начале апреля активисты подписали открытое письмо к Google с требованием исправить перевод слов «homosexual» и «homosexuality», на которые сервис выдавал патологизирующие термины с суффиксами «-ист» и «-изм»
Предрассудки находят и у сервисов распознавания лиц. Так, опубликованное в прошлом году исследование показало, что на фотографиях мужчин ИИ Google, Amazon и Microsoft чаще отмечали профессионализм, а женщин — внешность. Исследовательница и активистка Джой Буоламвини тоже выявила необъективность алгоритмов, работая над проектом зеркала с дополненной реальностью: она заметила, что технология распознавания лиц плохо срабатывала на её чертах, однако всё работало исправно, стоило ей надеть белую маску. Буоламвини выяснила — о её исследованиях рассказывает документальный фильм 2020 года «Coded Bias», — что проблема заключалась в том, что алгоритм распознавания лиц обучался на ограниченной выборке изображений. Во входных данных для машинного обучения было подавляющее большинство фотографий людей со светлым тоном кожи (более 80 %) и мужчин (более 75 %). Поэтому технология ожидаемо с большей точностью распознавала лица белых мужчин. Стоит отметить, что после её исследований компании дополнили данные и результаты распознавания лиц женщин и небелых людей улучшились (компании также перестали предоставлять предвзятую технологию распознавания лиц правоохранительным органам).
Дискриминация проявляется и во многих других сферах. В прошлом году в Великобритании случился скандал из-за того, что алгоритм, анализировавший оценки учащихся для поступления в университеты (экзамены были отменены из-за пандемии COVID-19), выдал предвзятые в пользу более обеспеченных учащихся результаты. В 2019 году сооснователь Apple Стив Возняк заявил о дискриминации: его жене Дженет Хилл одобрили кредитный лимит по Apple Card (над ней работал банк Goldman Sachs) в десять раз меньше, чем ему, несмотря на то, что все счета у пары общие. Программист Дэвид Хейнемейер Ханссон, рассказавший о такой же проблеме, отметил, что делегирование решений «чёрной коробке» алгоритма, может, и не является намерением дискриминировать, но результат говорит сам за себя. А Кармен Нитхаммер, которая консультирует компании по вопросам инклюзии и разнообразия, в своей колонке для Forbes перечислила риски, которые предвзятости алгоритмов несут для женщин в сфере здравоохранения. Так, из-за нехватки данных о здоровье и организмах женщин приложения могут советовать им не торопиться к врачу, в то время как мужчин с такими же симптомами призовут немедленно обратиться за помощью.
Итак, на модели машинного обучения влияют массивы данных, которые те изучают. А эти данные, в свою очередь, отражают существующие в обществе предубеждения и стереотипы. Казалось бы, сам термин «искусственный интеллект» вызывает ассоциацию непредвзятости и объективности. Однако на деле он повторяет предрассудки, хоть порой и неосознанные, людей, которые над ним работают.
Coded gaze
«Наши идеи о технологиях и обществе, которые мы считаем „нормальными“, на самом деле являются идеями, которые идут от очень небольшой и гомогенной группы людей», — говорит в фильме «Coded Bias» Мередит Бруссар, написавшая книгу «Artificial Unintelligence». Она имеет в виду учёных, которые начали первые исследования в области искусственного интеллекта в 1956 году, — математиков Дартмутского университета. Однако фильм сопровождает её слова кадрами руководителей главных технологических компаний, от Марка Цукерберга до Билла Гейтса и Джеффа Безоса, визуально намекая, что ситуация мало изменилась. Футуролог Эми Уэбб добавляет, что больше всего на развитие ИИ влияют всего девять компаний, шесть из которых находятся в США, а три — в Китае. Доля женщин, работающих над искусственным интеллектом, составляет меньше 25 %, по данным Всемирного экономического форума. Доля людей разного этнического происхождения в технологических компаниях составляет считаные проценты. Учитывая эту статистику, неудивительно, что ИИ показывает искажённую картину мира. Исследовательская компания Gartner в 2018 году прогнозировала, что «к 2022 году 85 % проектов ИИ будут давать ошибочные результаты из-за предвзятости данных, алгоритмов или команд, работающих над ними».
Джой Буоламвини использует ёмкий термин для предубеждений в алгоритмах, которые закрепляют неравенство, — «coded gaze» по аналогии с «male gaze» Лоры Малви. «Прошлое живёт в наших алгоритмах. Оно показывает нам неравенство, которое существовало всегда», — говорит исследовательница и основательница «Лиги алгоритмической справедливости» (Algorithmic Justice League). В ООН также замечают, что над ИИ чаще работают западные специалисты, а исследователи изучают проблему «цифрового ориентализма».
Поскольку проблема кроется в данных для машинного обучения, важно эти данные курировать и следить за возможными проявлениями предвзятости, считают учёные. На портале Open Global Rights подчёркивают, что стандарты, связанные с ИИ и автоматизацией, должны включать гендерную перспективу комплексно, а не рассматривать её просто как проблему предвзятости — включать в себя интерсекциональный подход к вопросу. Более того, ИИ, по мнению экспертов, обязан бороться с дискриминацией и патриархальными социальными установками и не транслировать колониальный взгляд на мир.
Тем временем в Кремниевой долине
Казалось бы, очевидным первым шагом к исправлению ситуации было бы привлечение большего количества женщин и людей разного этнического происхождения к работе над искусственным интеллектом. Как отмечает Кармен Нитхаммер, технологические компании чаще «теряют» своих работниц, женщины реже вырастают до руководящих позиций. Это подтверждает общая статистика в сфере STEM (наука, технологии, инженерия и математика): в ней работают примерно 25 % женщин, но только 9 % занимают лидерские позиции, по данным Boston Consulting Group. Громкие новости из Кремниевой долины показывают, что компаниям есть над чем работать, чтобы быть более привлекательными для женщин.
В прошлом году Pinterest выплатил самую большую в истории США компенсацию за гендерную дискриминацию из-за увольнения бывшего исполнительного директора компании Франсуазы Бруер. В то же самое время сотрудницы компании Ифеома Озома (благодаря ей сервис начал блокировать посты о вреде вакцинации и прекратил продвижение свадеб на плантациях) и Аэрика Шимизу Бэнкс заявили о расовой дискриминации и ушли из Pinterest. При этом Озома и Шимизу Бэнкс нарушили условия своих договоров о неразглашении информации (а именно оговорок о критике в адрес компании) — позднее они разработали законопроект об отмене таких пунктов в договорах в связи с расовой дискриминацией. Сейчас активисты занимаются вопросом оговорок о критике компании в договорах о неразглашении информации: по их мнению, такие пункты зачастую необоснованны и призваны заставить пострадавших замолчать.
В начале апреля программистка Эми Нитфилд написала большую колонку для The New York Times о своём опыте работы в Google. По её словам, сначала компания создала для неё ощущение «семьи», однако, когда она заявила о харассменте со стороны коллеги, всё изменилось, во время расследования ей приходилось продолжать с ним работать. После, когда внутреннее расследование подтвердило, что он нарушил кодекс поведения, его даже не пересадили. Это повлияло на психическое здоровье специалистки, а впоследствии и на оценку её работы в компании. В итоге Нитфилд ушла из Google и пообещала себе больше эмоционально не привязываться к месту работы.
Сначала компания Google создала для программистки ощущение «семьи», но, когда она заявила о харассменте со стороны коллеги, всё изменилось, во время расследования ей приходилось продолжать с ним работать
Пожалуй, самый громкий скандал именно в области ИИ случился в конце 2020 года, когда исследовательница этики искусственного интеллекта Тимнит Гебру рассказала об увольнении из Google. Ему предшествовало исследование, которое выявило, что ИИ компании склонен воспроизводить предвзятый язык в отношении тем гендера и этничности, который находит в интернете. В Google, по её словам, сотрудницу попросили отозвать исследование или убрать из него своё имя. Как рассказала Гебру, тогда ей не объяснили, каким образом оценивали работу и её результаты. После того, как она пожаловалась коллегам на обесценивание её работы, исследовательницу, по сути, уволили. После этого Тимнит Гебру рассказала о попытках дискредитировать её работу и травле. Сейчас она и её коллеги пишут о том, как Джефф Дин, старший научный сотрудник в команде Google AI, выпустил исследование, не указав должных источников (в том числе её исследования), хотя критиковал работу Гебру за это.
Гебру и её коллеги — исследовательницы в области этики ИИ рассказали, что их работу часто критикуют за отсутствие предложений, как решить существующие в алгоритмах проблемы (хотя они предлагают стратегии в своих публикациях), однако первостепенным для них является осознание проблем в сфере, которая создаёт видимость объективности. Описывая конфликт Тимнит Гебру и её коллег с Google, в Bloomberg задались вопросом, «можно ли доверять технологическим компаниям саморегулировать свои алгоритмы и продукты, чтобы избежать непреднамеренных или игнорируемых последствий».
Очевидно, что искусственный интеллект способен принести большую пользу обществу. Сейчас алгоритмы используют для отслеживания распространения пандемии COVID-19 по всему миру, ИИ также может помочь в борьбе с климатическим кризисом. Однако инновации внедряются так быстро, что люди порой не успевают исследовать их недостатки или не замечают предрассудки, которые закладывают в технологии из-за того, что работающие над ними команды всё ещё очень гомогенны, а информация недостаточно обрабатывается. В ЮНЕСКО призывают не только работать с качественными входными данными и обеспечивать разнообразие в командах людей, работающих над ИИ, но и устанавливать чёткие этические стандарты на международном уровне, чтобы избежать «алгоритмического угнетения».
Может показаться, что люди не сильно могут повлиять на технологии, которыми пользуются (разве что указывать онлайн-переводчикам на некорректные варианты и отказываться от предложений текстовых редакторов исправить феминитивы). Но, возможно, первым шагом станет осознание того, что технологии, кажущиеся нам объективными, на самом деле склонны к предрассудкам и способны влиять на нашу жизнь ещё сильнее, чем мы осознаём. А затем важно требовать от компаний соблюдения этических стандартов.
Источник