Проверка построенной модели на выполнение условий регрессионного анализа Гаусса-Маркова (табл. 28 – 35) позволяет установить, что выполняются предпосылки № 1, 4, 5, однако нарушаются условия № 2, 3.
Итак, построена регрессионная модель определения доходности простых акций ОАО "Иркутскэнерго" с использованием метода арбитражного ценообразования.
Делая экономическую интерпретацию полученных данных, можно предположить, что цены на финансовые активы фирм энергетического сектора имеют зависимость: во-первых, от объемов инвестирования в основные фонды, формирующего потенциал для общего экономического роста в долгосрочной перспективе; во-вторых, от показателей внешнеэкономической деятельности страны; наконец, от котировок иностранной валюты ЦБ.
Заключение
В условиях повышения колебаний котировок ценных бумаг на российском фондовом рынке, которое происходит в последнее время, методы оценки рыночной стоимости финансовых активов фирм приобретают актуальность и практическую значимость.
В настоящее время имеются достаточно "тонкие" математико-статистические инструменты такой оценки. Одним из наиболее распространенных способов определения инвестиционной привлекательности акций считается модель арбитражного ценообразования, разработанная в 1976 г. профессором Йельского университета Стефаном Россом.
Главным предположением теории является то, что каждый инвестор стремится использовать возможность увеличения доходности своего портфеля без увеличения риска. Механизмом, способствующим реализации данной возможности, является арбитражный портфель[23].
Однако данная теория интересна в первую очередь тем, что она позволяет построить зависимость стоимости акций компании от ряда факторов.
Статистические исследования воздействия различных факторов на динамику российского фондового рынка дают новые аспекты для его анализа и прогнозирования.
Процесс инвестирования капитала в условиях рыночной экономики сопряжен с многовариантностью, альтернативностью и риском. Инвесторы, готовые вкладывать свои средства, постоянно озабочены оценками риска и перспектив инвестиций, гарантиями возврата основной суммы и получения дохода. Однако им достаточно трудно разобраться в многообразии финансовых инструментов, оценить риск вложений и сравнить по нему предлагаемые на рынке инструменты. Одним из решений этой проблемы является выявление факторов, влияющих на динамику, с помощью которых станет возможным прогнозировать динамику российского фондового рынка.
Модель APT позволяет инвесторам сделать предметом анализа группу факторов, которые, по их мнению, определяют доходность большинства активов, и благодаря этому прийти к более точному пониманию риска по инвестиционным проектам. В то же время, применение методов АРТ-моделирования открывает перед практиками свободу самим решать, что в данной ситуации имеет значение, а что неважно.
В силу этого моделирование фондового рынка с применением арбитражной теории ценообразования обуславливает определенный субъективизм получаемой оценки.
В проведенном мной исследовании я предпринимала попытки свести субъективный фактор к минимуму.
В результате была получена модель, довольно адекватно описывающая поведение цен активов.
Однако то, что полученная модель отражает реальную ситуацию на российском фондовом рынке и позволяет прогнозировать его динамику, вызывает определенные сомнения.
На мой взгляд, выявленная зависимость является всего лишь демонстрацией того, как теория арбитражного ценообразования может быть реализована на практике.
Неразвитость российского фондового рынка позволяет проводить подобные расчеты только для крупных компаний, но даже они не всегда могут показать реальную картину динамики.
Список используемой литературы
1. Активный и пассивный портфельный менеджмент.
#"#">#"#">#"#">#"#">#"#">#"#">#"#">#"#">#"#">#"#">#"#">#"#">#"#">#"#">#"#">#"1.files/image037.gif">
Таблицы 9 – 13
Диаграммы рассеивания факторных признаков
Таблица 14
Гистограмма для результативного показателя
Таблицы 15 – 19
Гистограммы для факторных признаков
Таблица 20
График функции распределения для результативного показателя
Таблицы 21 – 25
Графики функций распределения для факторных признаков
Таблица 26
Множественная регрессия стоимости акций
Regression Summary for Dependent Variable: акции Иркутскэнерго
R= 0,93933207 R2= 0,88234473 Adjusted R2= 0,87470478
F(5,77)=115,49 p<0,0000 Std.Error of estimate: 0,49610
N=83
Beta
Std.Err. of Beta
B
Std.Err. of B
t(77)
p-level
Intercept
-1,35632
0,441834
-3,06976
0,002958
Инв. в ОК
-0,567569
0,101489
-0,00976
0,001746
-5,59244
0,000000
Экспорт
0,677690
0,135501
0,29832
0,059648
5,00138
0,000003
Импорт
0,621467
0,155428
0,49431
0,123628
3,99842
0,000145
EUR
-0,493402
0,122815
-0,14555
0,036231
-4,01743
0,000136
GDB
0,820128
0,139666
0,09467
0,016123
5,87206
Analysis of Variance; DV: акции Иркутскэнерго
Sums of Squares
df
Mean Squares
F
Regress.
142,1229
5
28,42457
115,4909
Residual
18,9512
77
0,24612
Total
161,0741
Таблица 27
Корреляционная матрица Q3
Correlations
Marked correlations are significant at p < ,05000
N=83 (Casewise deletion of missing data)
Variable
Акции
1,00
0,72
0,90
0,77
0,75
0,87
0,81
0,76
0,70
0,86
0,83
0,40
Таблицы 28 – 32
Проверка модели на выполнение условий 1, 4 Гаусса-Маркова
Таблица 33
Проверка модели на выполнение условия 2 Гаусса-Маркова
Таблица 34
Проверка модели на выполнение условия 3 Гаусса-Маркова
Durbin-Watson d and serial correlation of residuals
Durbin-Watson d
Serial
Estimate
0,920731
0,539377
n = 83;
m = 5
0 dн dв 4 – dв 4 – dн 4
0 1,52 1,77 2,23 2,48 4
Таблица 35
Проверка на выполнение условия 5 Гаусса-Маркова
Таблица 36
Исходные данные
-Т
акции
Иркутск-
энерго
ВВП
Пром.
пр-во
Инв.
вОК
Экс-
порт
Jan-98
243,2
131,8
22,1
5,9
Feb-98
0,831131579
244,6
130,8
23,7
Mar-98
1,1059
245,1
144
26,1
6,8
Apr-98
1,10806818
245,4
134,3
25,5
6,2
May-98
1,04527222
245
119,8
26,6
6,1
Jun-98
0,734495238
245,9
136,8
31,8
6,5
Jul-98
0,638031818
247,6
117,4
32,9
6,3
Aug-98
0,389185714
254,8
114,6
35,4
5,8
Sep-98
0,3474
258,3
142
39,3
6
Oct-98
0,374170588
246,2
160,8
37,6
Nov-98
0,782544444
249,4
169,5
41,9
Dec-98
0,926690476
247,7
204,8
64,2
7,3
Jan-99
0,897305882
280,5
187,6
28,5
4,6
Feb-99
1,088135
293,4
197,8
Mar-99
1,2043
326,3
238,7
36,5
Apr-99
1,29309
328,9
236,6
36,9
May-99
1,48986667
337,5
225,9
41,4
5,1
Jun-99
2,23959048
338,6
246,7
52,8
5,4
Jul-99
2,58285714
378,9
256,8
56,2
Aug-99
2,17640455
385,4
272,8
61,8
Sep-99
2,02515
393,1
291,7
67,6
Oct-99
2,001725
375,4
308,5
66,5
7
Nov-99
1,83135385
368,2
321,6
Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11