Details

Работа посвящена разработке модельного подхода к формированию и управлению портфелем ИТ-акций РФ в условиях макроэкономической неопределённости. Рассмотрены особенности российского техносектора и факторы динамики ведущих эмитентов: Яндекс, Ozon, HeadHunter, VK, Positive Technologies, Группа Астра, Softline, Диасофт, Аренадата, IVA Technologies. Обоснована необходимость дифференцированной оценки технобумаг. Работа выполнена на данных Московской биржи, индексов MOEXIT и IMOEX, материалов Банка России, Минцифры и отчётности эмитентов. Методы: сравнительный и структурно-динамический анализ, расчёт доходности и просадки, сценарный анализ, элементы портфельной теории Марковица. Определены ключевые факторы: ключевая ставка, ликвидность, отчётность, ожидания инвесторов, масштаб бизнеса, финансовая устойчивость. Построены модельные портфели, рассчитаны ковариационная матрица, эффективная граница, портфели минимальной дисперсии и максимального коэффициента Шарпа. Выполнено сравнение с индексами MOEXIT и MCFTR, рассчитаны beta, CAPM, альфа Йенсена. Разработаны стратегии для восстановительных, нейтральных и стрессовых условий. Практическая значимость: модель формирования портфеля техноакций с учётом доходности, просадки, ликвидности, финансового качества и рыночной фазы. Подход позволяет выбирать акции, доли, правила ребалансировки и критерии риска. Результаты применимы частными и институциональными инвесторами.

The work is devoted to the development of a model approach to the formation and management of a portfolio of IT shares in the Russian Federation in conditions of macroeconomic uncertainty. The features of the Russian tech sector and factors of dynamics of leading issuers are considered: Yandex, Ozon, HeadHunter, VK, Positive Technologies, Astra Group, Softline, Diasoft, Arenadata, IVA Technologies. The need for a differentiated assessment of technical papers is substantiated. The work was carried out using data from the Moscow Exchange, MOEXIT and IMOEX indices, materials from the Bank of Russia, the Ministry of Digital Development and issuer reporting. Methods: comparative and structural-dynamic analysis, calculation of profitability and drawdown, scenario analysis, elements of the Markowitz portfolio theory. Key factors have been identified: key rate, liquidity, reporting, investor expectations, business scale, financial stability. Model portfolios were constructed, the covariance matrix, the efficient frontier, and the portfolios of minimum variance and maximum Sharpe ratio were calculated. A comparison was made with the MOEXIT and MCFTR indices, beta, CAPM, and Jensens alpha were calculated. Strategies have been developed for restorative, neutral and stress conditions. Practical significance: a model for forming a portfolio of tech stocks taking into account profitability, drawdown, liquidity, financial quality and market phase. The approach allows you to select stocks, shares, rebalancing rules and risk criteria. The results are applicable to private and institutional investors.