Диссертация (1137718), страница 2
Текст из файла (страница 2)
Однако подобный анализ для российскогорынка был проведен только в двух исследованиях. В более раннем Телес иАндраде [Teles, Andrade, 2008], исследуя зависимость систематическогориска от цен на нефть, номинальной процентной ставки, уровня резервов ибюджетного профицита, авторы пришли к выводу, что ни один из этих7факторов не значим для российского рынка. Во второй работе Маршалла иколлег [Marshall et al., 2009] показано влияние макроиндикаторов на бета 20развивающих стран, включая Россию, с помощью панельной модели сфиксированными эффектами. Авторы выявили, что локальная процентнаяставка, доходность казначейских векселей США, локальная инфляция и курсвалюты являются значимыми факторами систематического риска, в то времякак предложение денег M1 и индекс промышленного производства невлияют на него.По нашему мнению, пробелом в существующей литературе является то,что анализ страновых систематических рисков проводился без какого-либоучета секторальной составляющей национальных фондовых индексов.
Впервую очередь, это касается развивающихся стран, не обладающих широкойдиверсификациейэкономикии,какправило,имеющихвысокуюконцентрацию в определенных отраслях.Появившиеся методы для оценки и прогноза динамических альфа и бетатакже открыли и прикладные возможности для инвесторов. Так, их можноиспользовать в рамках портфельной оптимизации.
Для этой цели требуетсяразделитьобщийрискпортфелянасистематический,выраженныйпоказателем бета, и специфический. Такую задачу описали в своей работеЯкобс с соавторами [Jacobs et al., 1998], где инвестор выбирает уровень бетаи остаточного риска (определяется дисперсией остатков в модели CAPM) имаксимизирует свою полезность. Но в работе авторов инвестор строгопридерживается заданного уровня бета и остаточного дохода, что сильноограничивает его возможности инвестирования.8Объектомисследованияявляется поведение доходностиакцийкомпаний двух рынков капитала и их национальных и отраслевых фондовыхиндексов в период с 2000 по 2016.Предметом исследования являются характеристики систематическогориска рынка акций, методы построения оптимальной портфельной стратегиис декомпозицией риска.Цель диссертационного исследования – это разработка подходовприкладного использования динамических моделей систематического рискадля оценки, прогноза и анализа показателей альфа и бета и их применения врамках портфельной оптимизации.
В соответствии с этой целью висследовании ставятся следующие задачи:1. Сравнить современные методы оценки и прогноза систематическогориска с традиционным регрессионным подходом.2. Протестировать стационарность уровня систематического рискароссийских компаний и отраслевых индексов.3. Определить детерминанты странового риска российского фондовогорынка и его отраслей.4. Выявитьисравнитьвлияниеглобальных,локальныхисекторальных факторов на систематический риск отраслевыхфондовых индексов России.5. Разработать новый метод для выявления арбитража на рынке акцийс помощью построения бета-нейтрального портфеля на основединамических оценок показателей бета и альфа.96. МодифицироватьтрадиционныйподходпоМарковицудляпостроения портфеля с декомпозицией риска, что позволитинвесторуконтролироватькаксистематический,такиспецифический риск.Теоретической и методологической базой работы являются научныетруды зарубежных и отечественных авторов [Mergner, Bulla, 2008; Teplova,Shutova, 2011].
В частности, предложенные в работе методы исследованиясистематического риска базируются на трудах, посвященных оценке ипрогнозированию его межвременного поведения [Fabozzi, Francis, 1978;Huang, 2000; He, Kryzanowski, 2008; Esteban, Orbe-Manadaluniz, 2010], аанализ его детерминантов – на основе ряда зарубежных статей по даннойтематике [Erb et al., 1996; Gangemi et al., 2000; Teles, Andrade, 2008; Marshallet al., 2009].
Прикладная часть исследования отталкивается от трудов Якобсас соавторами, Жу и Ярроу [Jacobs et al., 1998; Zhu, 2010; Jarrow, 2010].Методы исследования. Для целей работы и тестирования поставленныхв исследовании гипотез использовались различные методы статистического иэконометрического анализа. Весь анализ был проведен с помощью языкапрограммирования R.Информационная база данных. Котировки всех рыночных активовбыли получены с помощью базы данных Bloomberg, Межконтинентальнойбиржи (ICE), Лондонской биржи металлов (LME) и организации GreenMarkets, специализирующейся на рынке удобрений. Для сбора данных помакроэкономическим показателям, которые анализировались в работе, былииспользованыданныеЦентральногоБанкаРоссии,Росстата,Международного Валютного Фонда и Федеральной Резервной Системы.10Научная новизна исследования состоит в полученных эмпирическихрезультатах по определению стационарности и детерминант межвременногосистематического риска российского фондового рынка и развитии методовоптимизацииинвестиционногопортфеля.Основныерезультаты,отражающие научную новизну работы, сводятся к следующему:1.
Обнаружено, что мера систематического риска большей частианализируемых акций российского фондового рынка нестационарна.Это означает, что применение постоянных значений (метод МНК)может сильно исказить оценку этих активов и соотношение «рискдоходность».2. Определены значимые оригинальные факторы систематическогориска российского рынка акций.
В эти факторы входят темп ростаденежной массы M1, динамика промышленного производства ииндекс доллара.3. Выявлено, что секторальные факторы не имеют значимого влиянияна бета российских отраслевых индексов.4. Предложена новая методика для тестирования наличия арбитражана рынке акций посредством моделирования бета-нейтральногопортфеля.5. Разработана оптимизационная задача для формирования портфеля сдекомпозицией риска, что позволяет инвестору контролировать каксистематический, так и специфический риск. Продемонстрировано,что для рассматриваемой выборки она превосходит традиционныйподход по Марковицу, исходя из ряда показателей эффективности.11Теоретическая значимость работы заключается в углубленномизучении факторов, обуславливающих систематических риск российскихактивов, и развитии динамических методов оценки показателей альфа и бета,теории эффективного рынка и портфельной теории.
Работа дополняетсуществующие методы тестирования арбитража, предлагая новый подходдля проверки его наличия, и вносит вклад в портфельную теорию,модифицируя в новаторском ключе оптимизационную задачу инвестора иоткрывая возможности для регулирования как систематического, так испецифического риска в инвестиционных стратегиях.Практическая значимость исследования состоит из несколькихаспектов. Во-первых, она заключается в использовании более современных иэффективных методов оценки бета в рамках популярной CAPM и другихмоделей оценки активов. Во-вторых, работа привносит вклад в изучениевзаимосвязей систематического риска в глобальной экономике, в частности, вслучае российского фондового рынка и его секторов.
Основные выводымогут быть полезны потенциальным инвесторам, международным банкам иразличнымфондамдляэффективногопостроенияинвестиционныхпортфелей, их диверсификации и минимизации рисков, связанных синвестированием в российские активы и сектора экономики. Пониманиефакторов, определяющих систематический риск, может помочь регуляторамв проведении грамотной фискальной и монетарной политики в целяхснижения уровня странового риска. И, в-третьих, представленная в работеметодология может быть полезной в работе риск-менеджеров, трейдеров ипортфельных управляющих.
Показанная в исследовании оптимизационнаязадачаинвесторапозволяетконтролироватьсистематическийиспецифический риск портфеля в отличие от стандартного подходаМарковица. Задача построения бета-нейтрального портфеля и портфелей с12декомпозицией риска может быть интересна хедж-фондам, которыеспециализируется на арбитражных стратегиях.Апробациярезультатовисследования.Основныеположениядиссертационного исследования представлены в виде докладов на 3российских конференциях: 12-ой межвузовской научной конференции«Современное состояние, инструменты и тенденции развития фондовогорынка» при содействии ММВБ (Москва, 2015); 13-ой межвузовской научнойконференции «Современное состояние, инструменты и тенденции развитияфондового рынка» при содействии ММВБ (Москва, 2016); ТретийРоссийский экономический конгресс (Москва, 2016).
Основные результатыисследования рассматривались на научных семинарах проектно-учебнойлабораториианализафинансовыхрынков(ЛАФР),научно-учебнойлаборатории корпоративных финансов НИУ ВШЭ и НИС магистерскойпрограммы «Финансовые рынки и финансовые институты».Публикации. По результатам исследования автором опубликовано 4научных работ общим объемом 4,4 п.л. Личный вклад автора составил 3,9п.л., из них 3 статьи с общим вкладом автора 2,8 п.л.
опубликованы вжурналах, рекомендованных ВАК Министерства образования и науки РФ.Структура работы отражает решение поставленных задач. Диссертациясостоит из введения, трех глав, заключения, списка использованнойлитературы и приложений. Основной текст диссертационного исследованияизложен на 170 страницах, содержит 18 рисунков, 34 таблицы и 1приложение.наименования.Списокиспользованныхисточниковвключает10413Глава 1 ДИНАМИЧЕСКИЕ БЕТА РОССИЙСКИХ КОМПАНИЙПерваяглаваработыпосвященаизучениюмежвременногосистематического риска российских акций и отраслевых индексов. Даннаячасть исследования является развитием работ Теплова и Селиванова[Теплова, Селиванова, 2007] и Теплова и Шутова [Teplova, Shutova, 2011] поизучению российского фондового рынка, однако в ней ставятся другие целии тестируются новые для российского рынка акций гипотезы.В этой части диссертации оцениваются и прогнозируются динамическиебета российских компаний с помощью фильтра Калмана, многомерныхмоделейклассаGARCH,моделейсгладкими(переменными)коэффициентами, модели с Марковскими переключениями и простойрегрессии (МНК).
Выборка включает данные по 29 акциям российскихкомпаний, 5 российским отраслевым индексам и индексу ММВБ в качестверыночного портфеля. На основе этих данных все предложенные моделисравниваются исходя из точности сделанного внутривыборочного (in-sample)и вневыборочного (out-sample) прогнозов, и определяются наилучшиемодели в отдельности для обоих периодов, анализируемого и прогнозного.Оцененные бета из наилучшей модели тестируются на стационарность. Входеданного этапа исследования тестируется несколько поставленныхгипотез.1.1 Существующие методы оценки и прогноза динамических бетаВ классической рыночной модели и модели CAPM [Sharpe, 1964;Lintner,1965]мерасистематическогориска(коэффициентбета)предполагалась постоянной.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
