Плечевые ETF: где ловушка, а где стратегия с ИИ

Плечевые ETF обещают простую магию: «возьми индекс и умножь доходность на 2». На практике у этой магии есть цена — и она проявляется не в комиссиях, а в траектории движения цены, волатильности и том самом «разложении доходности» из‑за ежедневного рефлексинга плеча.

Если вы ведёте портфель «по‑взрослому» — с правилами, рисковыми лимитами и дисциплиной — плечевые ETF можно использовать. Но как пассивный кирпичик в аллокации они чаще вредят, чем помогают. Самое интересное начинается там, где подключается наша тема серии «Искусственный интеллект в финансовых инвестициях»: ИИ и алгоритмические методы умеют считать то, что инвесторы обычно игнорируют — path dependency, режимы волатильности и вероятность «сломать» портфель в плохой фазе рынка.

Ниже — разбор выводов масштабного исследования (данные 1926–2025 по акциям США, сырью, облигациям 10Y и золоту) и практические правила, как подходить к 2× ETF не «на удачу», а системно.

Почему 2× ETF почти никогда не равны «2× на дистанции»

Ключевой факт: плечевые ETF нацелены на 2× (или 3×) дневной доходности, а не на удвоение результата за год.

Компоновка доходности: проблема не в «плохом менеджменте», а в математике

Плечевой ETF ежедневно ребалансирует экспозицию. Поэтому итог зависит от того, как именно шёл рынок, а не только от точки А к точке Б.

Простой пример, который хорошо запоминается:

• День 1: базовый актив +10%
• День 2: базовый актив −9,09% (возврат к исходной цене)

Базовый актив: 100 → 110 → 100 (0%)

2× ETF:

• День 1: +20%: 100 → 120
• День 2: −18,18%: 120 → 98,18 (−1,82%)

Рынок «в ноль», а 2× ETF уже в минусе. Это и есть волатильностный распад (volatility decay) плюс зависимость от траектории.

Что показывает длинная история (1926–2025)

Исследование сравнивает «обычные» ETF прокси и их 2× версии для четырёх классов активов (и кэш).

Выводы в цифрах (важные ориентиры):

• Акции США: при плече растут и доходность, и риск. В выборке среднегодовая доходность (CAR) увеличивалась примерно с 10,20% до 12,59%, а волатильность — с 18,23% до 36,92%.
• Облигации 10Y и золото: плечо в основном увеличивает риск, не улучшая доходность. Например, по 10Y трежерис волатильность росла примерно с 6,16% до 12,25%, а доходность даже чуть снижалась (около 4,80% → 4,78%).

На языке портфельщика это звучит так: «плечо в акциях может иметь смысл, а вот плечо в “защитных” компонентах часто ломает их защитную роль».

Пассивная аллокация + плечевые ETF: почему это чаще ловушка

Ответ короткий: когда вы подставляете 2× ETF в статичную аллокацию, вы повышаете хрупкость портфеля, а диверсификация работает хуже, чем кажется.

Что происходит в оптимизации Марковица

В исследовании тестировали два базовых портфеля:

1. 60/40 (акции/облигации)
2. 25/65/10 (акции/облигации/золото)

И сравнивали версии, где обычные акции заменяли на плечевые акции.

Результат неприятный для поклонников «умного плеча»: во всех сравнениях замена акций на плечевые акции ухудшала итоговые характеристики. Оптимизатор минимальной дисперсии ещё сильнее «убегал» в облигации, но даже при этом риск становился выше, а доходность — ниже, чем у аналогов без плеча.

Почему «сэкономим капитал и добавим облигаций» тоже не спасает

Есть популярная идея: «возьмём 10% в 2× акции (это как 20% обычных), а высвободившиеся 10% положим в облигации — профит». Исследование проверило и такие альтернативы: после учёта риска они не обгоняли бенчмарк.

Мой практический вывод: если стратегия — «купил и держу», плечевые ETF в роли постоянной доли портфеля — это почти всегда не стратегия, а ставка на то, что рынок будет идти ровно и вверх.

Где плечо начинает работать: активное управление и фильтр тренда

Хорошая новость: плечевые ETF могут быть полезны, если вы не пытаетесь превратить их в пассивный актив. Они лучше раскрываются как инструмент внутри правил, которые:

• ограничивают время пребывания в позиции,
• режут хвостовые риски,
• выводят в кэш в плохих режимах.

Два простых тренд‑фильтра, которые реально меняют картину

В исследовании использовали две «народные», но устойчивые модели:

1. 10‑месячная скользящая средняя (10M MA): если цена выше MA — держим актив следующий месяц, иначе — кэш.
2. Правило 95–100% от 12‑месячного максимума: если цена близко к максимуму — держим, иначе — кэш.

Их применили к акциям США, сырью, облигациям 10Y и золоту — как без плеча, так и с плечом.

Что показали результаты:

• Для обычных ETF тренд‑фильтр, как правило, снижает риск и просадки, но и немного режет доходность.
• Для 2× ETF тренд‑фильтр ведёт к росту и доходности, и риска, но метрики вроде Sharpe/Calmar остаются сопоставимыми или слегка улучшаются относительно пассивного бенчмарка.

Главная мысль: фильтр тренда снижает разрушительное влияние плохих участков траектории, где плечо «съедает» капитал.

Портфельный эффект: маленькая доля 2× акций + тренд = адекватный компромисс

Исследование собирает портфели, где:

• базовые защитные активы (облигации и золото) остаются без плеча,
• плечо применяется только к акциям,
• на всё накладывается тренд‑фильтр.

Примеры конструкций из работы:

• Консервативная база 25/65/10 (акции/облигации/золото) → тренд‑версия → затем частичная замена части акций на 2× акции (например, итогово около 5% обычных акций + 20% 2× акций при тех же облигациях/золоте).
• Расширенная база вокруг 60/40 с добавлением 10% золота и частичной заменой части акций на 2× (порядка 30% доли портфеля в 2× акциях при снижении доли обычных акций).

Итоговый вывод авторов строгий и полезный: плечо становится оправданным, когда им активно управляют, а не «встраивают» как постоянный компонент.

Как ИИ помогает не «угадать», а посчитать риски плечевых ETF

Если ваша цель — лиды и масштабируемая работа с портфелями, то «магия» здесь не в модели, а в дисциплине процессов. ИИ особенно полезен в трёх местах.

1) Моделирование режимов волатильности и path dependency

Плечевые ETF ломаются в пилообразных рынках. Поэтому задача №1 — определить режим:

• трендовый,
• боковой/шумовой,
• кризисный (высокая корреляция и волатильность).

Практически ИИ/ML может:

• классифицировать режимы по признакам (волатильность, наклон тренда, ширина диапазона, корреляции),
• адаптировать пороги входа/выхода,
• менять целевую долю 2× экспозиции.

2) Риск‑менеджмент на уровне портфеля, а не «одного тикера»

Плечевой ETF — это не просто «больше акций». Это актив, который по‑другому ведёт себя в ребалансах.

Что стоит автоматизировать:

• лимит волатильности портфеля (например, таргет 10–12% годовых),
• контроль максимальной просадки (hard stop по портфелю),
• динамический риск‑бюджет: доля 2× уменьшается, если растёт волатильность.

Это как раз зона, где алгоритмическое управление и ИИ экономят деньги: правила исполняются без эмоций.

3) Тестирование «как будет больно» (стресс‑тесты и сценарии)

Для 2× ETF обычного бэктеста мало. Нужны сценарии:

• повтор «плохих» отрезков,
• моделирование гэпов,
• ускоренная волатильность,
• рост ставок и корреляций.

ИИ‑подход здесь — не «предсказать рынок», а помочь перебрать больше сценариев и увидеть, где стратегия не выдерживает.

Практический чек‑лист: когда 2× ETF уместны, а когда нет

Если вы хотите держать 2× ETF месяцами и годами без правил — почти наверняка это ошибка. Дальше — быстрый фильтр здравого смысла.

Когда 2× ETF — разумный инструмент

• У вас есть алгоритм (хотя бы тренд‑фильтр) и понятные условия выхода.
• Плечо применяется только к рисковому активу (чаще всего к акциям), а «защита» остаётся без плеча.
• Есть лимиты: по волатильности, просадке, доле в портфеле.
• Вы готовы к тому, что стратегия будет «не в рынке» в некоторые периоды (кэш — это позиция).

Когда 2× ETF — почти гарантированная ловушка

• Вы покупаете «потому что рынок растёт» и держите без плана.
• Вы используете плечо в облигациях/золоте, ожидая «защиты с ускорением».
• Вы ребалансируете редко и не учитываете, что плечо меняет поведение портфеля.
• Вы оцениваете результат только по CAGR, игнорируя просадки и последовательность доходностей.

Сильная формулировка, но честная: плечо без риск‑менеджмента — это не усилитель доходности, а усилитель ошибок.

Что делать дальше (и как это связано с ИИ в инвестициях)

Плечевые ETF — отличный тест на зрелость инвестора и модели. Они быстро показывают, есть ли у вас система, или вы просто надеетесь на благоприятный рынок.

Если вы развиваете направление «Искусственный интеллект в финансовых инвестициях», я бы начал с простого:

1. Определите правила тренд‑фильтра (10M MA или близость к 12‑месячному максимуму).
2. Добавьте риск‑таргет и лимит просадки на портфель.
3. Прогоните стресс‑тесты и посмотрите, где стратегия ломается.

А дальше — вопрос, который стоит задать себе перед любым «ускорителем доходности»: ваша система управляет риском быстрее, чем рынок умеет делать вам больно?