Диссертация (1137718), страница 7
Текст из файла (страница 7)
Отклонение0.310.270.430.210.140.110.120.070.11Коэффициентасимметрии4.66-1.172.421.650.64-0.540.891.750.06Коэффициентэксцесса22.090.314.801.01-0.19-1.09-0.041.58-1.09Тест Харки-БераСтатистика6009.658.3485.3124.017.824.633.2153.612.6P-значение0.00.00.00.00.00.00.00.00.0СургутнефтегазТатнефтьЛукойлГазпромнефтьЭ.ОНРоссияИнтерРАОФСКРоссетиРусГидроМНК бета1.001.140.920.850.991.011.221.201.03Среднее значение1.031.150.890.830.901.161.311.491.1446Медиана1.031.250.910.830.841.161.201.401.10Максимум1.361.681.081.121.911.832.662.441.97Минимум0.920.520.720.560.830.610.590.770.57Станд.
Отклонение0.060.330.100.160.200.330.430.410.37Коэффициентасимметрии2.23-0.510.000.063.960.391.140.320.46Коэффициентэксцесса8.69-0.63-1.32-1.4615.19-0.660.68-0.94-0.54Тест Харки-БераСтатистика997.415.218.322.63069.010.958.913.512.0P-значение0.00.00.00.00.00.00.00.00.0СеверстальНорникельММКНЛМКРаспадскаяМечелАэрофлотМНК бета1.211.270.981.041.131.540.75Среднее значение1.281.021.141.170.991.530.77Медиана1.270.951.251.250.981.480.69Максимум1.631.831.411.341.182.181.30Минимум0.980.720.690.820.831.010.30Станд. Отклонение0.160.270.260.170.070.300.2947Коэффициентасимметрии0.281.14-0.60-0.720.230.510.57Коэффициентэксцесса-0.650.93-1.26-1.01-1.08-0.70-0.96Тест Харки-БераСтатистика7.663.831.732.014.416.023.1P-значение0.00.00.00.00.00.00.0481.6 Основные выводы первой главыВ этой части работы были оценены динамические бета 29 котируемыхроссийских компаний и 5 российских отраслевых индексов в рамках четырехсовременных подходов: фильтра Калмана, многомерных моделей классаGARCH,полупараметрическойрегрессииимоделиМарковаспереключением режимов.
Было обнаружено, что фильтр Калмана не являетсянаилучшей моделью ни для оценки и ни для прогноза динамических бета длябольшинстваактивов.ПолупараметрическиемоделиимодельсМарковскими переключениями составили ему серьезную конкуренцию приоценивании динамических бета в анализируемом периоде, в то время какмногомерныеGARCHмоделиоказалисьнаилучшимидляцелейпрогнозирования бета. Также был сделан вывод о том, что бета по большейчастианализируемыхактивов нестационарна, азначит применениетрадиционного МНК, предполагающего постоянные бета, может сильноисказить оценку этих бумаг и их соотношение «риск-доходность».Возможное практическое применение результатов этой работы - этоиспользование оцененных бета в рамках популярной CAPM и другихмоделей. Так большинство аналитиков на фондовом рынке развивающихсястран используют формулу Хамады для оценки бета компании, корректируябезрычаговый (unlevered) бета на структуру капитала компании, нежелирасчитывают рычаговый (levered) бета напрямую с помощью регрессии.Сделано это в виду того, что регрессионный метод оценки приводит кзначениям бета, несогласующимся с теорией корпоративных финансов, из-заслабой эффективности рынков, их сильной волатильности и высокойподверженности внешним шокам.
В таких случаях более полезными будутявлятьсядинамическиеметодыоценки,которыепозволяютучестьасимметрию и гетероскедастичность, что позволяет получить более49сглаженные и более точные оценки бета по сравнению с регрессионнымподходом.Представленная методология может быть также полезной в работе рискменеджеров, трейдеров и портфельных управляющих.
Так, на основе оценоки прогнозов динамических бета можно составить бета-нейтральныйпортфель, чувствительность которого к рыночному индексу будет нулевой, апоказательальфапортфеля(абнормальнойдоходности)будетмаксимизирован. Более того, методология работы позволяет построитьпортфельсвозможностьюспецифическогориска.Этирегулированияпрактическиеегосистематическогопримененияиуказаннойметодологии раскрываются в последней главе данного исследования.Также применяемые в работе методы могут быть полезны прииспользовании активных стратегий хеджирования, где веса различныхактивов в портфеле следует корректировать для достижения меньшейволатильности.
По сути показатель бета представляет собой оптимальныйкоэффициент хеджирования для портфеля, состоящего из рыночного индексаи некого актива. Так, в работе Асатурова и Тепловой [Асатуров, Теплова,2014] детально описано, как многомерные GARCH модели можноиспользовать для целей хеджирования.В случае нестационарности бета важность использование динамическихбета возрастает еще больше, так как применение простой регрессииподразумеваетих постоянство. Исходя из литературы, наиболее остропроблема стационарности бета стоит для развивающихся рынков, а значитучастникам этих рынков следует учитывать это в своей работе.50Глава 2 ДЕТЕРМИНАНТЫ СИСТЕМАТИЧЕСКОГО РИСКА: АНАЛИЗНА ОСНОВЕ РОССИЙСКОГО ФОНДОВОГО РЫНКАВданнойглаведиссертациианализируетсямежвременнойсистематический риск (динамическая бета) общего и секторальных индексовроссийского фондового рынка относительно мирового рынка, определяютсяих детерминанты и оценивается вклад глобальной, страновой и секторальнойсоставляющей в эти бета.
Для нахождения динамических бета в работеиспользовалась многомерная DCC-GARCH модель. После нахождениядинамических бета для каждого индекса анализировалась их стационарность,корреляции и влияние глобальных, локальных и секторальных факторов наих динамику. В данной части работы также тестировалось несколькопоставленных гипотез.2.1 Анализ факторов систематического риска в существующейлитературеВзаимозависимостирынковкапиталаимакроэкономическихпоказателей было посвящено много трудов в научной литературе [Chen et al.,1986; Bracker, Koch, 1999; Pretorius, 2002], но в редких работах исследовалисьвзаимосвязи последних с мерой систематического риска или бета, котораяотражает чувствительность некого актива к рыночному портфелю. Вбольшей части работ, анализирующих связи бета и макроэкономическихиндикаторов, изучается страновой систематический риск.
Эти исследованияосновываются на моделях оценки активов для глобального инвестора [Stulz,1981; Adler, Dumas, 1983]. В более поздних работах [Errunza, Losq, 1985,Harvey, 1991] использовалась такая ее форма, которая предполагаетрегрессию с доходностью рыночного портфеля анализируемой страны вкачестве объясняемой переменной и мировой рыночный портфель в качествеобъясняющей переменной. Коэффициент бета в этой регрессии будет51отражать страновой риск. К работам, определяющих таким образомстрановой риск, относится ряд научных трудов [Erb et al., 1996; Oetzel et al.,2000].Исследователи также изучали зависимость подсчитанного такимобразом странового риска от макроэкономических индикаторов. Абель иКрюгер [Abell, Krueger, 1989] одними из первых применили эту технику дляанализа влияния различных макроэкономических метрик.
Изучая страновойриск американского рынка, они пришли к выводу, что его детерминантамиявляются процентная ставка, бюджетный и торговый дефицит, инфляция ицена на нефть. Гангеми и соавторы [Gangemi et al., 2000] продолжили этутенденцию и в своей работе обнаружили, что валютный курс являетсяединственным фактором, который значимо влияет на бета австралийскогорынка. Патро с коллегами [Patro et al., 2002] использовал схожую методикуприменительно к 16 странам, входящим в Организацию экономическогосотрудничества и развития (ОЭСР).
Авторы заключили, что показателиимпорта, экспорта, инфляции, дивидендной доходности и мультипликатораP/B (отношение рыночной стоимости капитала к балансовой) значимовлияют на уровень чувствительности страновых фондовых индексов кмировому рынку.Известнытакжеработы,гдеанализировалисьлокальныебетаразвивающихся стран. Верма и Сойдемир [Verma, Soydemir, 2006] изучилидинамику странового риска 4 стран Латинской Америки (Мексика, Бразилия,Аргентина, Чили).
Они сделали вывод, что среди глобальных факторовсредняя процентная ставка и инфляция стран G7 значимо влияют на беталатиноамериканских стран, в то время как среди национальных факторовпредложение денег (M1) и валютный курс являются наиболее значимымипоказателями. Андраде и Телес [Andrade, Teles, 2006] тоже анализировали52бразильский рынок и выявили, что ее страновой риск подвержен влияниюпроцентной ставки и уровню золотовалютных резервов.
В другой своейработе авторы [Teles, Andrade, 2008] исследовали уже 6 развивающихсястран: Аргентина, Мексика, Россия, Тайланд, Корея и Индонезия. Ихосновной вывод заключается в том, что номинальная процентная ставкаимеет нестабильное влияние на страновой риск в периоды кризиса, ноявляется значимым детерминантом его поведения в другие периоды.Маршалл и соавторы [Marshall et al., 2009] использовали выборку из 20развивающихся стран. Они пришли к выводу, что локальная процентнаяставка, процентная ставка США, инфляция и курс валюты являютсязначимыми факторами странового риска исследуемых стран. Вербеник сколлегами [Verbenik et al., 2011] посвятил свою работу изучению рынковновых членов ЕС: Латвии, Венгрии и Румынии. Они выявили, что бета странрастет в кризисные периоды и что страны с фиксированным валютнымкурсом имеют меньшие страновые бета.
Применительно к странамЦентральной и Восточной Европы, а именно Чехии, Венгрии, Эстонии,Литве, Польше, России, Румынии и Латвии Антон и Очем [Anton, Ochem,2013] провели схожий анализ и также обнаружили, что страны сфиксированным валютным курсом имеют более низкие показатели бета.В своей статье Улку и Бэйкер (Ulku, Baker, 2014] развили указаннуютематику и оценили не только страновые бета, но и макроэкономические бета– чувствительность национальных макропоказателей к глобальным. Послесоответствующих расчетов для 39 развитых и развивающихся стран авторыизучили взаимосвязи этих бета и пришли к выводу, что чувствительностьнационального ВВП к мировому (или бета ВВП, следуя авторскойтерминологии) объясняет 20-26% отклонений страновых бета, в то время какинфляционныебета,торговаяоткрытость(financialopenness)и53волатильностьмировогофондовогорынкаявляютсянезначимымидетерминантами.
Также интересное исследование провел Лонг с коллегами[Long et al., 2014] для валютных бета (ковариация рыночной доходностистраны и изменения ее валютного курса к дисперсии изменений ее валютногокурса) и страновых бета. Анализ этих бета для 5 развитых и 6 развивающихсястран позволил сделать вывод о том, что валютные бета куда болееволатильны, чем страновые бета, а также что валютные бета развивающихсястран волатильнее валютных бета развитых стран.По мнению автора данного исследования, пробелом в существующейлитературе является то, что анализ страновых систематических рисковпроводилсябезкакого-либоучетасекторальнойсоставляющейнациональных фондовых индексов.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
