182055 (Функционирование рынка ценных бумаг в условиях нестабильной экономики России), страница 8

– средневзвешенная номинальная доходность первичного рынка ГКО; – средние номинальные ставки по краткосрочным межбанковским кредитам; – средневзвешенная цена гособлигаций; – средний срок обращения ГКО;

– динамика официального курса рубля к доллару США; – чистый внутренний рублевый кредит; – рублевая денежная масса М3; – индекс потребительских цен.

Важным моментом анализа является наличие достоверных и точных данных, а также форма их представления. В исследовании используются данные 03.01.2003 - 30.12.2006. Все временные ряды, кроме тех, которые представлены реальными процентными ставками, были трансформированы в логарифмические. Такая трансформация позволяет более наглядно представить связь между рассматриваемыми показателями, так как логарифмические ряды обладают одним средним значением, а все они расположены в пределах единого диапазона. Первые разности логарифмов являются аппроксимацией темпов прироста соответствующих переменных.

Введем обозначения для исследуемых показателей, логарифмов и первых разностей логарифмов. В случае временных рядов, представленных реальными процентными ставками, рассматриваются обычные начальные разности. Первая буква L в обозначении говорит о том, что взят натуральный логарифм показателя, DL – первая разность логарифмов показателя, D – обычная первая разность значений показателя (см. табл. 1.1). Корреляционный анализ, по существу, является первым, после постановки задачи и сбора необходимых статистических данных, этапом любого эконометрического исследования. Он необходим для того, чтобы определить, существует ли линейная зависимость между рассматриваемыми индикаторами. Результаты анализа, как правило, используются в качестве базовой информации для дальнейшего выявления вида и математической формы существующих связей.

Таблица 1.2 Анализируемые показатели

Обозначения: Ежедневная доходность R акции A = первая разность

RA= LN (A)– LN (A(-1)), где А – актив, например REESR = LOG (EESR) – LOG (EESR(-1))

Описательная статистика по каждой компании, биржи за период 03.01.2003 - 30.12.2006 представлена в таблице 1.3.

Таблица 1.3 Описательная статистика

Таблица 1.4 Анализ волатильности доходности компаний

Исходя из данных приведенных в таблицах 1.3 и 1.4 видно:

1) ЛУКОЙЛ, РОСТЕЛЕКОМ., СБЕРБАНК стабильно развивающиеся компании, лидеры в своих отраслях;

2) Низкая волатильность в последний год связана со стабильным ростом рынка;

3) ЮКОС – налоговые претензии к компании, резкие изменения доходности. Описание GARCH(p,q) модель. Спецификация модели:

(1.5)

Причина применения GARCH(p,q) модели – моделирование остатков для построения доверительных интервалов для прогнозов значений доходности (рис. 1.4).

Результаты GARCH–моделирования доходностей акций российских компаний:

1. РАО ЕЭС:

REESR = 0 - 0.039ROIL - 0.06ROIL(-1) + 0.109RSP + 1.047RCLOSED - 0.100RCLOSED(-1) GARCH (1, 1)

где REESR – ежедневная доходность акций РАО ЕЭС за период 03.01.03-30.12.06.

Рис 1.4 Моделирование остатков для построения доверительных интервалов

- ROIL, ROIL(-1) – ежедневная доходность(изменение цены) нефти(Urals Light) за период 03.01.03-30.12.06

- RSP – ежедневная доходность индекса S&P’s 500 за период 03.01.03-30.12.06

- RCLOSED, RCLOSED(-1) - ежедневная доходность индекса РТС за период 03.01.03-30.12.06

2. Сбербанк России:

RSBER = 0.0015 + 0.671RCLOSED + 0.070RCLOSED(-1) + GARCH (1, 1)

3. Норильский никель:

RGMNK = 0 + 0.103RSP(-1) + 0.957RCLOSED + GARCH (1, 1)

Таблица 1.5 Выводы исследования по моделям

2) По портфельному риску на международном фондовом рынке можно предложить эконометрическую модель ожидаемого возврата по каждой отдельной ценной бумаге из портфеля инвестора. Математически это выражается следующим образом:

(1.5)

где E(R_i) – ожидаемая прибыль от инвестирования в ценную бумагу

(R_i);

std(R_i) – стандартные колебания прибыли по R_i;

std(R_m) – стандартные колебания прибыли по R_m;

E(R_m) – ожидаемая прибыль от инвестирования в R_m;

R_F – прибыль по безрисковым ценным бумагам;

R_m – прибыль по рыночным рисковым ценным бумагам.

Рассчитанный по этой формуле показатель принято называть SML (security market line). Другим более часто применяемым вариантом математического расчета SML является вариант с использованием бета-компонента степени риска (уравнение диверсификации Г. Марковица):

(1.6)

а стандартные отклонения выглядят следующим образом:

(1.7) и тогда:

(1.8)

Кроме вышеперечисленных на фондовом секторе международного финансового рынка присутствуют также: страновой, который представляет вероятность того, что основная масса эмитентов этой страны не будет способна выполнить свои иностранные обязательства; операционный риск, связанный с нарушениями внутреннего контроля, превышением полномочий; технологический риск, как возможные сбои в компьютерных и других электронных системах связи; юридический риск, как риск потерь от неправильного оформления договоров.

2. Методы прогнозирования и принятия решений на рынке ценных бумаг

2.1 Прогнозирование РЦБ