Речь идет о том, чтобы из многих торгуемых на финансовом рынке активов составить (путем разделения имеющегося начального капитала между разными активами) некий по возможности более выгодный портфель. Простейшая схема спекуляции следующая.
В начальный момент t=0 (пусть для наглядности это начало года) происходит формирование портфеля, а в конечный момент t = T (пусть это конец года) этот портфель продается. Пусть цена i-го актива в начальный момент есть S0(i), а в конечный момент ST(i). Поопределению, величина
ri = (ST(i) – So(i))/S0(i), i = 1, 2, … , n, (1)
называется возвратом i-го актива ( это относительная прибыль спекулянта, купившего актив по цене начала года и продавшего его по цене конца года; конечно, возврат может быть и отрицательным, если спекулянт неудачно выбрал актив). Основная цель каждого спекулянта состоит в том, чтобы возврат был побольше. Но средство для достижения этой цели у него, в сущности, одно: как-то разделить имеющийся начальный капитал (равный, допустим 1) на части x1, x2, … , xn, (пусть выполняются условия x1+ x2+ ... +xn = 1 и xi неотрицательны) и составить в начальный момент портфель P0 = ΣgiS0(i), где gi = xi/S0(i) – количество i-го актива в портфеле. В конечный момент t=T такой портфель будет стоить PT=ΣgiST(i) = ΣgiS0(i)(1 + ri). Таким образом (с учетом того, что P0 = 1) получается, что возврат портфеля выражается формулой
PT – P0 = ΣgiS0(i)ri = Σxiri . (2)
Иными словами, возврат портфеля является линейной комбинацией возвратов отдельных активов.
Суть подхода Марковица состоит в том, что возвраты отдельных активов считаются случайными величинами. Вопрос о статистической однородности совокупности возвратов за разные периоды (для одного и того же актива) у Марковица (и вообще в эконометрике) вовсе и не обсуждается.
2.7.2Модель Арбитражного ценообразования
САРМ представляет собой однофакторную модель. Это означает, что риск является функцией одного фактора — b-коэффициента, выражающего зависимость между доходностью ценной бумаги и доходностью рынка. Возможно, зависимость между риском и доходностью более сложная. В этом случае можно предположить, что требуемая доходность акции будет функцией более чем одного фактора. Например, не исключено, что инвесторы могут отдавать приоритет капитализированному доходу перед дивидендами, поскольку он не подлежит налогообложению до момента продажи акций. Тогда из двух акций с одинаковым рыночным риском та, по которой выплачивается более высокий дивиденд, должна иметь более высокую требуемую доходность. Более того, не исключено, что зависимость между риском и доходностью является многофакторной. Стивен Росс предложил метод, названный теорией арбитражного ценообразования (ArbitragePricingTheory, APT). Концепция APT предусматривает возможность включения любого количества факторов риска, так что требуемая доходность может быть функцией трех, четырех или даже большего числа факторов. Теория САРМ утверждает, что требуемая доходность каждой акции равна безрисковой доходности, сложенной с произведением рыночной премии за риск и b-коэффициента акции.
Доходность рынказависит от множества факторов, таких как экономическая ситуация в стране, оцениваемая валовым внутренним продуктом, стабильность мировой экономики, темп инфляции, изменения в налоговом законодательстве и т. д. Акции различных компаний неодинаково подвержены влиянию этих факторов. Таким образом, очевидно, что требуемая и фактическая доходность любой акции — это функция не одного фактора (среднерыночная доходность), а нескольких экономических факторов.
К тому же APT предусматривает меньшее количество исходных допущений, чем САРМ, и, следовательно, представляет собой более обобщенную теорию. Наиболее важным является отсутствие в APT требования САРМ о том, чтобы все инвесторы владели рыночным портфелем, что, естественно, не встречается на практике. Концепция APT имеет тем не менее ряд узких мест, самым серьезным из которых является то, что в рамках APT не обосновывается заранее перечень факторов. Основываясь на эмпирических данных, некоторые исследователи полагают, что только три или четыре фактора следует принимать во внимание; чаще всего называют инфляцию, изменение объема промышленного производства, разность в доходности между низко- и высококачественными облигациями и изменение структуры процентных ставок.
Глава 3. Анализ модели САРМ на основе российского фондового рынка
Познакомившись с моделью САРМ и ее аналогами, я приступаю к анализу данной модели, взяв показатели российского фондового рынка. О том, какие результаты получились, повествует данная глава.
3.1 Применение эконометрического аппарата для оценки риска и доходности.
Какого-либо безусловного обещания хорошей доходности для спекулянта модель CAPM не дает: обещание может быть только условным, например, следующим: «если в течение будущего года среднерыночная плата за риск составит 5%, то математическое ожидание возврата актива, бета которого равна двум, будет равно 10% плюс безрисковый возврат». При этом замечается, что обычно большие значения «бета актива» связаны и с большой изменчивостью (волатильностью) цен данного актива, т.е. в конечном счете с большей вероятностью получить убыток при покупке именно этого актива. Речь о корреляциях случайных добавок для разных активов (т.е. о каком-то варианте эффективного портфеля) в CAPM не идет.
Приняв модель, мы действуем далее в соответствии с классическим регрессионным анализом: оцениваем коэффициент βi для каждого актива по данным о прошлых возвратах за какое-то количество периодов времени. Впрочем, некоторые учебники рекомендуют брать в качестве оценки βi величину cov(ri,rm)/Drm .(Конечно, имеется в виду, что ковариация и дисперсия заменяются их выборочными аналогами.) Многие авторы считают, что она ошибочна по следующим причинам. Во-первых, классический регрессионный анализ в случае модели без свободного члена, т.е. вида
Y = βX + E (E обозначает ошибку),
рекомендует несколько иную оценку, а именно
(Σxiyi)/ (Σxi2), (1)
которая более эффективна, чем критикуемая рекомендация. (По той простой причине, что (Σxi2) всегда больше, чем выборочная дисперсия xi, причем – особенно в эконометрике – разница может быть значительной.) Во- вторых, рекомендуемая оценка вообще верна лишь в том предположении, что в наблюдениях за все периоды безрисковый возврат rf остается постоянным. (В противном случае надо брать ковариации не самих возвратов, а их разностей с безрисковым возвратом.)
С точки зрения того опыта, который имеется в области применений регрессионного анализа, совершенно ясно, что требуется экспериментальная проверка эффективности любой модели, в частности и CAPM. В сложившемся эконометрическом подходе плохо еще и то, что такие проверки направляются на свойства остаточного члена в уравнениях модели (который изображает случайную ошибку). Возникают различные альтернативные гипотезы типа гетероскедастичности и/или зависимости остатков, которые определенным образом тестируются. Эконометрист видит окончательное счастье в том, чтобы модель прошла определенный набор тестов. Но следовало бы знать, что из истории обработки наблюдений в физическом и техническом эксперименте однозначно следует, что вероятностные предположения о модели остатков никогда не бывают выполнены. (Это, конечно, значит, что и те доверительные интервалы для параметров, которые принято вычислять, не заслуживают особого доверия.)
В случае модели CAPM применения мыслятся как довольно слабые: ведь все связывается с неизвестным будущим поведением среднерыночного возврата. Но все-таки и это представляет определенный если не практический, то научный интерес: хотя бы сама законность понятия «беты актива». Следовательно, необходимо проверить, во-первых, действительно ли в разные периоды времени можно для фиксированного актива говорить о примерно постоянном значении «бета». Во-вторых, следует оценить эффективность того условного (при условии, что будущее поведение рыночного индекса известно) предсказания будущих возвратов актива, которое вытекает из модели.
Изменчивость цен актива характеризуется параметром, который называется волатильностью. Вероятностное определение волатильности заключается в следующем. Предполагается, что динамика рыночных цен актива St обладает тем свойством, что математическое ожидание квадрата логарифмического приращения цены за время h примерно пропорционально h. Иными словами, постулируется соотношение
E(ln St+h - lnSt)2 = σ2h. (2)
(Конечно, имеется в виду, что значение приращения времени h не слишком малое и не слишком большое: ориентировочно в пределах от десятков минут до десятков дней.) Параметр σ в соотношении (2) и называется волатильностью. Теоретически он считается постоянным для фиксированного актива. На самом деле он несколько колеблется, но все-таки является достаточно серьезным параметром. Различные активы (например, акции различных компаний) могут иметь различающиеся (в два и более раз) волатильности, при этом (как правило) если волатильность одного актива значительно больше волатильности другого при оценке по одному интервалу времени, то это различие сохраняется и для других интервалов времени. (Понятно, что волатильность оценивается как среднее значение квадрата логарифмического приращения цены при каком-то фиксированном небольшом значении h, например, h=1 день. Но установилась неудачная традиция, согласно которой эта оценка пересчитывается на значение h=1 год, в то время как для таких больших интервалов времени динамика рыночных цен вообще не может рассматриваться как чисто случайная, т.е. неясен смысл математического ожидания в левой части соотношения (2).) Поскольку понятие волатильности, несомненно, имеет довольно точный смысл, вполне желательно его сопоставление с другими параметрами, в частности, с «бета актива». [5]