Автореферат (1138627), страница 2
Текст из файла (страница 2)
В перспективе методы,разработанные в данном исследовании, могут также примененяться длятестирования теоретических моделей микроструктуры финансового рынкаи прогнозирования волатильности.Практическоедиссертационногозначениеисследованияисследования.могутприменятьсяРезультатыдлярасчетаиндикаторов волатильности с целью построения зависящих от нихинвестиционных стратегий.
В частности, предлагаемый в работе классстратегий с переключением режимов, при которых инвестиционныересурсы перераспределяются между различными классами активов, можетбыть непосредственным образом адаптирован на практике.Кроме того, индикаторы на шкале рыночной волатильностиприменяются для сравнительного анализа периодов экстремальныхколебаний различных фондовых индексов вследствие тех или иных8макроэкономических событий, что является частью общего анализасостояния фондового рынка и экономики страны.Апробация результатов исследования. Основные результатыдиссертационного исследования отражены в научной печати в виде рядапубликаций общим объемом более 3 п.л.
Они были представлены иполучили положительные отзывы на ряде конференций:– 5-ая конференция по прикладной эконометрике, 23 ноября 2006 г.,Париж, Франция (5-èmes Journées d'Econométrie Appliquée, Paris);– Годовое собрание Французской финансовой ассоциации 27-29 июня2007 г., Бордо, Франция (AFFI 2007 Annual Meeting, Bordeaux);– IV Межвузовская научная конференция ``Современное состояние,инструменты и тенденции развития фондового рынка'', Москва, 12апреля 2007 г.;– 24-ая конференция по прикладной микроэкономике, 31 мая - 1 июня2007 г., Фрибург, Швейцария (24-emes Journees de MicroeconomieAppliquee, Fribourg);– Годовое собрание Французской финансовой ассоциации 21-23 мая2008 г., Лилль, Франция (AFFI 2008 Annual Meeting, Lille).МатериалыдиссертациииспользуютсявучебномпроцессевГосударственном Университете – Высшей Школе Экономики в дисциплине «Управление инвестиционным портфелем».
Кроме того, результатыработы широко применяются ее автором в ходе его практическойдеятельности как консультанта в области управления рисками впортфельном инвестировании.Структурадиссертации.Диссертационноеисследованиеизложено на 193 страницах текста (в том числе приложения 15 страниц),состоит из введения, трёх глав, заключения, библиографии из 191наименования и двух приложений. Диссертация содержит 15 таблиц и 37рисунков.92.
ОСНОВНЫЕ ПОЛОЖЕНИЯ И РЕЗУЛЬТАТЫИССЛЕДОВАНИЯОсновными результатами работы являются методика построенияиндикаторов волатильности фондового рынка, учитывающих колебанияцен акций одновременно на множественных горизонтах, а такжепредложенныеактивныестратегииуправленияинвестиционнымпортфелем, основанные на таких индикаторах.Вовведенииисследования.обосновываетсяСформулированыактуальностьцель,задачи,диссертационногообъектипредметисследования, представлена его методологическая база; раскрыта научнаяновизна и содержание основных результатов, а также их теоретическая ипрактическая значимость.В первой главе приводится подробный обзор литературы попроблемам моделирования волатильности и разработки инвестиционныхстратегий, характеризуются основные научные направления, связи иразличиямеждуизменчивостиними.цен,Рассматриваютсяширокоэмпирическиеиспользуемыемоделисвойстваусловнойгетероскедастичности и стохастической волатильности.
Далее приводитсяобзорскладывающейсятеориимножественныхгоризонтовволатильности, и рассматриваются различные её модели. Описываютсявозможностипримененияполученныхзнанийвуправленииинвестиционным портфелем.Во второй главе подробно рассматриваются различные индикаторыволатильности на множественных горизонтах.
Описываются принципы ихпостроения.Указываетсянаосновныенедостаткисуществующихиндикаторов Зюмбаха и Майе-Мишеля. Разрабатывается новая шкаларыночной волатильности, основанная на вейвлетной трансформации.Вводятся новые способы измерения волатильности и корреляции намножественных горизонтах. Предлагается класс активных стратегийуправления инвестиционным портфелем, основанный на ограниченииволатильности.10В третьей главе предложенные методы применяются на практикедля анализа частотной составляющей информации в волатильностяхфондовых индексов и локализации этой информации во времени. Шкаларыночной волатильности строится для промышленного индекса ДоуДжонса, индекса CAC40 и индекса РТС. Характеризуются периодыэкстремальнойволатильностиичастотнаяструктуракорреляциидоходности и волатильности.
Эффективность применения активныхстратегийуправленияпортфелем,использующихпоказателиволатильности на множественных горизонтах, продемонстрирована спомощью бэктестов на данных различных фондовых индексов.Взаключенииобсуждаютсяосновныерезультатыработы,возможности их практического применения, а также направлениядальнейших исследований.I. Обоснование подхода к измерению волатильности цен акций намножественных горизонтахКорректное моделирование и измерение изменчивости цен акцийявляется одной из центральных проблем в теории и практике управленияинвестиционнымволатильностипортфелем.иВдиссертациипроанализированырассмотреноразличныеподходыпонятиекеемоделированию в дискретном и непрерывном времени, показаны различияи связи между ними.
Широко используемые модели динамики цен можноразделить на две группы: модели условной гетероскедастичности, вкоторых предполагается, что текущая вариация доходности зависит темили иным образом от прошлых реализаций доходности, и моделистохастической волатильности, в которых вариация доходности задаётсясамостоятельным случайным процессом.Проведенныйвработеанализпоказал,чтомоделированиепостоянно было направлено на то, чтобы более точно воспроизвестиэмпирические свойства временных рядов цен, такие как дальниекорреляции в амплитудах доходности, их отсутствие в самих доходностях11и тяжёлые хвосты в вероятностных распределениях доходностей накоротких горизонтах.
Хотя многие предложенные модели достаточнохорошо описывают отдельные эмпирические факты, ни одна из них неможет считаться полностью удовлетворительной для описания всейструктуры изменчивости цен.Средиразличныхинновационныхподходовмоделированиеволатильности на множественных горизонтах представляется наиболееперспективным.
Этот подход позволяет учитывать свойства доходностей,проявляющиеся при их временном агрегировании, например эволюциюформ вероятностных распределений при изменении интервалов времени,закоторыерассчитываютсядоходности,исвязанныесэтиммультифрактальные свойства финансовых временных рядов. Рассмотреныразличные классы моделей, учитывающих множественные горизонты: отнеоднородных ARCH-моделей (Мюллер и др., 1997; Дакоронья и др.,1998) до мультипликативных каскадов Гашге, Бреймана и Талкнера(2000).
В частности с помощью модели мультипликативного каскадаудалось воспроизвести феномен длинных корреляций в симулированныхданных одновременно на 15-минутном и дневном горизонтах. Так чтовыборочная автокорреляционная функция для симулированных данныхсущественно не отличается от полученной для фондового индекса CAC40независимо от интервалов, за которые агрегируются доходности.Концепцияпредполагаетволатильностинеобходимостьнамножественныхразработкиметодовеёгоризонтахизмерения,учитывающих не только амплитуду, но и частотную составляющуюколебаний доходностей. Информация, полученная на разных уровняхвременного агрегирования (т.е. на разных горизонтах), может бытьполезной, в частности для практики управления активами.12II. Построение шкалы рыночной волатильностиКакследуетизмоделейволатильностинамножественныхгоризонтах, полезную информацию о состоянии рынка можно извлечь изнаблюдения изменчивости цен одновременно на различных диапазонахчастот.
В связи с этим возникает задача измерения волатильности намножественных горизонтах. Показано, что эта задача может бытьпоставлена и решена вне зависимости от конкретной формы предлагаемойдля динамики цен модели.Шкалы и индикаторы волатильности, рассмотренные в диссертации,обладаютдвумяважнымисвойствами.Соднойстороны,ониуниверсальны в том смысле, что их значения не меняются от актива кактиву и допускают простую интерпретацию.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
