Диссертация (Межвременной систематический риск определение детерминант и портфельная оптимизация), страница 12
Описание файла
Файл "Диссертация" внутри архива находится в папке "Межвременной систематический риск определение детерминант и портфельная оптимизация". PDF-файл из архива "Межвременной систематический риск определение детерминант и портфельная оптимизация", который расположен в категории "". Всё это находится в предмете "экономика" из Аспирантура и докторантура, которые можно найти в файловом архиве НИУ ВШЭ. Не смотря на прямую связь этого архива с НИУ ВШЭ, его также можно найти и в других разделах. , а ещё этот архив представляет собой кандидатскую диссертацию, поэтому ещё представлен в разделе всех диссертаций на соискание учёной степени кандидата экономических наук.
Просмотр PDF-файла онлайн
Текст 12 страницы из PDF
В целомгипотеза H5 частично подтверждается, так как сектор материалов все-такипоказал большую связь с глобальными факторами.Отметим, что секторальные факторы были незначимы в большинствеслучаев для всех типов регрессии. Специальные секторальные факторыоказались незначимы во всех анализируемых регрессиях, а среди общихсекторальных факторов – только показатель дивидендной доходности былзначим и только для сектора финансов (для всех трех типов регрессии) иматериалов (для первоначальной полной регрессии и регрессии безлокальных факторов). Это позволяет сделать вывод о том, что гипотеза H6в целом отвергается.Основные результаты работы о большем влиянии локальных факторовна страновой риск подтверждаются и простым графическим анализом.
Нарисунках 5-16 показаны бета странового и отраслевых индексовроссийского рынка и динамика всех страновых факторов, анализируемых вработе.8832,521,510,50Страновой индексРисунок 5. Бета странового индекса.3,532,521,510,50ЭнергетикаРисунок 6. Бета энергетического сектора.2,521,510,50МатериалыРисунок 7. Бета сектора материалов.8932,521,510,50ФинансыРисунок 8. Бета финансового сектора.43,532,521,510,50ЭлектроэнергетикаРисунок 9. Бета сектора электроэнергетики.3,532,521,510,50ТелекоммуникацииРисунок 10. Бета телекоммуникационного сектора.9032,521,510,50Товары массового потребленияРисунок 11. Бета сектора товаров массового потребления.20151050Потребительская инфляция, г/г %Рисунок 12. Потребительская инфляция.80706050403020100Курс рубляРисунок 13.
Курс рубля к доллару.913025201510503-месячная ставка межбанковского рынка (Mosprime), %Рисунок 14. 3-месячная ставка межбанковского рынка Mosprime.403020100-10-20Темп роста предложения денег M1, г/г %Рисунок 15. Темп роста предложения денег M1.151050-5-10-15-20Изменение промышленного производства, г/г %Рисунок 16. Изменение индекса промышленного производства.92Можно, в частности, отметить, что сильный рост бета общего иотраслевых индексов российского рынка в конце 2014 и начале 2015 годасопровождается существенным увеличением потребительской инфляции,курса рубля к доллару и ставки межбанковского рынка. При этом такженаблюдаетсязначительноеухудшениеиндексапромышленногопроизводства и падение темпа роста предложения денег.
Однако послединамическиебетапостепенностабилизировалисьивернулиськнормальным значениям, как и основные макропоказатели.2.5 Основные выводы второй главыВ данной части работы анализировалась динамика систематическогориска общего и секторальных индексов российского фондового рынка. Спомощью многомерной DCC-GARCH модели были оценены рядыдинамических бета, которые затем были использованы для выявлениядетерминантов систематического риска различных секторов.Было обнаружено, что локальные, глобальные и секторальныефакторы в целом статистически значимо влияют на бета российскихиндексов.
При этом из локальных факторов локальная инфляция, темпроста предложения денег M1 и изменение индекса промышленногопроизводства оказались значимыми в большинстве случаев, а средиглобальных факторов – процентная ставка США и индекс доллара. Такжебыло выявлено, что локальные факторы имеют большую объяснительнуюсилу, нежели глобальные факторы для бета всех отраслей, за исключениемсектора материалов, для которого влияние обоих типов детерминантовоказалось практически равнозначно.Кроме того, анализ показал, что секторальные факторы слабообъясняют динамику бета.
Из этих индикаторов только показатель93дивидендной доходности оказался значимым и только для секторовматериалов и финансов.По мнению автора исследования, результаты это главы исследованияпривносят вклад в изучение взаимосвязей систематического риска вглобальной экономике, в частности, в случае российского фондовогорынкаиегосекторов.Основныевыводымогутбытьполезныпотециальным инвесторам, международным банкам и хедж фондам дляэффективного построения инвестиционных портфелей, их диверсификациии минимизации рисков, связанных с инвестированием в российские активыи сектора экономики.
Зная детерминанты бета тех или иных инструментов,можно корректно хеджировать позиции в этих активах. Пониманиефакторов,определяющихсистематическийриск,можетпомочьрегуляторам в проведении грамотной фискальной и монетарной политикив целях снижения уровня странового риска.94Глава 3 ОПТИМИЗАЦИЯ ИНВЕСТИЦИОННОГО ПОРТФЕЛЯ СДЕКОМПОЗИЦИЕЙ РИСКАТретья часть исследования имеет целью эмпирическое тестированиемодифицированной многопериодной портфельной задачи инвестора сучетом декомпозиции рисков. В данной главе работы подход, который былописан в статье Якобса и соавторов [Jacobs et al., 1998], видоизменяетсядля построения инвестиционного портфеля и его тестирования на заданныхданных.
Проводится декомпозиция общего риска портфеля (его дисперсии)для контроля систематического и специфического риска в отдельностичерез коэффициенты неприятия обоих рисков, которые вводятся автором(коэффициент неприятия систематического риска 2 и коэффициентнеприятия остаточного риска 3 ).В целях формирования инвестиционного портфеля используютсяпрогнозные оценки динамических бета и альфа в рамках оптимизационнойзадачи. Для прогноза динамических альфа и бета используется простаярегрессия и три современных эконометрических метода: фильтр Калмана,полупараметрическая регрессия и модель Маркова с переключениемрежимов. Выборка включает данные по 10 акциям австралийскихкомпаний и австралийскому индексу ASX в качестве рыночного портфеля.Все предложенные модели сравниваются исходя из точности сделанноговнутривыборочного (in-sample) и вневыборочного (out-sample) прогнозов,и определяются наилучшие модели для обоих периодов, анализируемого ипрогнозного.
Прогнозные альфа и бета из наилучшей модели используютсядля построения бета-нейтрального портфеля, портфеля по Марковицу свозможностью открытия коротких позиций и портфелей с декомпозициейриска. На основе анализа сформированных портфелей тестируются двепоставленные в этой главе диссертации гипотезы.953.1 Оптимизация портфеля в литературеТрадиционная портфельная задача инвестора в своем наиболееизвестном виде берет свое начало с работы Марковица [Markowitz, 1952],где впервые была предложена оптимизации на основе ожидаемых среднихзначений и дисперсий (MV или mean-variance) случайных величин. Врамках предложенной задачи Марковиц ввел коэффициент неприятияриска портфеля (назовем его ), который определяет отношение инвесторак риску.
В современной интерпретации он определяет тип инвестора: отагрессивного до консервативного.Впоследствии появилось много модификаций классического подходаМарковица. Целый ряд работ исследовал использование другой меры рискавместо стандартного отклонения: нисходящей дисперсии [Markowitz,1959], суммы под риском VaR [Morgan, 1996], условный VaR или CVaR[Rockafellar, Uryasev, 2002]. Такое развитие этого направления былосвязано с тем, что показатель дисперсии как меры риска был неоднократноподвержен критике, так как распределение доходности портфеля зачастуюассиметрично и имеет высокий коэффициент эксцесса [Chang et al., 2000;Bakshi et al., 2003].Также большой пласт научных статей был посвящен теориидинамической оптимизация портфеля [Mossin, 1968; Samuelson, 1969;Merton, 1971]. В более поздних работах [Bjork et al., 2014] был дажепредложен изменяющийся в зависимости от состояний рынка коэффициентнеприятия риска.
В большинстве работ [Klaassen, 1998; Mulvey, Shetty,2004] по динамической портфельной теории был сделан вывод, что вусловиях меняющегося во времени уровня систематического риска и96других рыночных метрик стандартные подходы для оптимизации портфелятеряют свою эффективность и уступают многопериодным моделям.Помимопроблемыоптимизации,какстатичнойизначально(одномоментной)предполагалосьупортфельнойМарковица,исследователей также интересовал вопрос декомпозиции рисков. ЕщеШарп [Sharpe, 1964] в рамках модели CAPM показал, что риск каждогоактива можно разделить на систематический и специфический (илиостаточный).
Применительно к портфельной теории такое разделениериска портфеля на систематический, выраженный показателем бета, испецифический впервые было описано в работе Якобса с соавторами[Jacobs et al., 1998]. В их задаче инвестор выбирает уровень бета иостаточного риска (определяется дисперсией остатков в модели CAPM) имаксимизирует свою полезность.
Но в том подходе, который описалиавторы, инвестор строго придерживается заданного уровня бета иостаточногориска,чтосильноограничиваетеговозможностиинвестирования.В более современных работах [Zhu, 2010; Li et al., 2013; Li, Bai, 2016]оптимизационная задача была модифицирована таким образом, чтоинвестор контролирует так называемый предельный систематический риск- та величина, на которую увеличивается систематический риск отвключения в портфель того или иного актива. Правда, недостаткомописанной задачи является того, что авторы не предполагают контрольостаточного риска.В качестве решения проблем, связанных с классическим подходом, вданнойчастиработыпредлагаетсяоригинальнаямодификациястандартного подхода Марковица для многопериодной оптимизации97инвестиционногопортфеля.Крометого,чтопоказаннаянижеоптимизационная задача отражает динамическую природу показателя бета,она также предполагает декомпозицию общего риска портфеля, чтопозволяет контролировать как систематический, так и специфическийриск.