Функционирование рынка ценных бумаг в условиях нестабильной экономики России

Важным моментом анализа является наличие достоверных и точных данных, а также форма их представления. В исследовании используются данные 03.01.2003 - 30.12.2006. Все временные ряды, кроме тех, которые представлены реальными процентными ставками, были трансформированы в логарифмические. Такая трансформация позволяет более наглядно представить связь между рассматриваемыми показателями, так как логарифмические ряды обладают одним средним значением, а все они расположены в пределах единого диапазона. Первые разности логарифмов являются аппроксимацией темпов прироста соответствующих переменных.

Введем обозначения для исследуемых показателей, логарифмов и первых разностей логарифмов. В случае временных рядов, представленных реальными процентными ставками, рассматриваются обычные начальные разности. Первая буква L в обозначении говорит о том, что взят натуральный логарифм показателя, DL – первая разность логарифмов показателя, D – обычная первая разность значений показателя (см. табл. 1.1). Корреляционный анализ, по существу, является первым, после постановки задачи и сбора необходимых статистических данных, этапом любого эконометрического исследования. Он необходим для того, чтобы определить, существует ли линейная зависимость между рассматриваемыми индикаторами. Результаты анализа, как правило, используются в качестве базовой информации для дальнейшего выявления вида и математической формы существующих связей.

 

Таблица 1.2 Анализируемые показатели

CLOSED	Значения индекса РТС(закрытие)
SP	Значение индекса S&P’s 500(закрытие)
OIL	Значение цен нефти (URALS LIGHT)
EESR	Цена на акции РАО ЕЭС
GMNK	Цена на акции НОРИЛЬСКИЙ НИКЕЛЬ
MSNG	Цена на акции МОСЭНЕРГО
LKOH	Цена на акции ЛУКОЙЛ
RTKM	Цена на акции РОСТЕЛЕКОМ
SBER	Цена на акции СБЕРБАНК РОССИИ
SIBN	Цена на акции СИБНЕФТЬ
SNGS	Цена на акции СУРГУТНЕФТЕГАЗ
YUKO	Цена на акции ЮКОС

 

 

Обозначения: Ежедневная доходность R акции A = первая разность

 

RA= LN (A)– LN (A(-1)), где А – актив, например REESR = LOG (EESR) – LOG (EESR(-1))

 

Описательная статистика по каждой компании, биржи за период 03.01.2003 - 30.12.2006 представлена в таблице 1.3.

 

Таблица 1.3 Описательная статистика

	Mean	Median	Maximum	Minimum	Std. Dev.	Observations
RCLOSED	0,0014	0,0025	0,096	-0,106	0,018	998
REESR	0,0010	0,0000	0,123	-0,104	0,025	998
RGMNK	0,0016	0,0024	0,166	-0,106	0,023	998
RLKOH	0,0015	0,0017	0,155	-0,170	0,021	998
RMSNG	0,0012	0,0000	0,604	-0,331	0,042	998
ROIL	0,0010	0,0004	0,179	-0,097	0,025	998
RRTKM	0,0009	0,0021	0,179	-0,111	0,023	998
RSBER	0,0028	0,0019	0,094	-0,071	0,019	998
RSIBN	0,0016	0,0000	0,164	-0,136	0,027	998
RSP	0,0001	0,0001	0,056	-0,042	0,011	998
RSNGS	0,0012	0,0010	0,167	-0,154	0,025	998
RYUKO	-0,0009	0,0000	0,313	-0,349	0,050	998

 

Таблица 1.4 Анализ волатильности доходности компаний

Компании	Значение волатильности
1) ЛУКОЙЛ, РОСТЕЛЕКОМ., СБЕРБАНК	постоянное значение волатитильности
2) СУРГУТНЕФТЕГАЗ, СИБНЕФТЬ, РАО ЕЭС, НОРНИКЕЛЬ, РТС	постоянное значение волатильности, но в последний год(05-06) значимое снижение волатильности
3) МОСЭНЕРГО, ЮКОС	сильные изменения волатильности

 

Исходя из данных приведенных в таблицах 1.3 и 1.4 видно:

1) ЛУКОЙЛ, РОСТЕЛЕКОМ., СБЕРБАНК стабильно развивающиеся компании, лидеры в своих отраслях;

2) Низкая волатильность в последний год связана со стабильным ростом рынка;

3) ЮКОС – налоговые претензии к компании, резкие изменения доходности. Описание GARCH(p,q) модель. Спецификация модели:

 

  (1.5)

 

Причина применения GARCH(p,q) модели – моделирование остатков для построения доверительных интервалов для прогнозов значений доходности (рис. 1.4).

Результаты GARCH–моделирования доходностей акций российских компаний:

1. РАО ЕЭС:

 

REESR = 0 - 0.039ROIL - 0.06ROIL(-1) + 0.109RSP + 1.047RCLOSED - 0.100RCLOSED(-1) GARCH (1, 1)

 

где REESR – ежедневная доходность акций РАО ЕЭС за период 03.01.03-30.12.06.

 

 

Рис 1.4 Моделирование остатков для построения доверительных интервалов

 

- ROIL, ROIL(-1) – ежедневная доходность(изменение цены) нефти(Urals Light) за период 03.01.03-30.12.06

- RSP – ежедневная доходность индекса S&P’s 500 за период 03.01.03-30.12.06

- RCLOSED, RCLOSED(-1) - ежедневная доходность индекса РТС за период 03.01.03-30.12.06

2. Сбербанк России:

 

RSBER = 0.0015 + 0.671RCLOSED + 0.070RCLOSED(-1) + GARCH (1, 1)

 

3. Норильский никель:

 

RGMNK = 0 + 0.103RSP(-1) + 0.957RCLOSED + GARCH (1, 1)

 

Таблица 1.5 Выводы исследования по моделям

Влияние доходности нефти на доходности других активов					Зависимость от доходности индекса S&P’s 500
	Компании	Влияние	Знак	Комментарии	Компании	Влияние	Знак	Коммен-тарии
1	- ЛУКОЙЛ - СУРГУТ -РОСТЕЛЕКОМ - РАО ЕЭС - МОСЭНЕРГО - РТС	есть	+ + - - -	- ЛУКОЙЛ, СУРГУТ – нефтедобывающие  компании -РОСТЕЛЕКОМ – причины  не выявлены - РАО ЕЭС, МОСЭНЕРГО - рост  цен на нефть ведет к росту  издержек, что влияет на цены  и доходность акций	- ЛУКОЙЛ - СУРГУТ - РОСТЕЛЕКОМ - РАО ЕЭС - МОСЭНЕРГО - НОРНИКЕЛЬ - РТС	есть	+ + + + + + +
2	- СБЕРБАНК - НОРНИКЕЛЬ	нет		не нефтяной сектор	- СБЕРБАНК - ЮКОС - СИБНЕФТЬ	нет
3	- ЮКОС - СИБНЕФТЬ	Нет (при ожидаемом есть)		- ЮКОС – налоговые претензии - СИБНЕФТЬ -

 

2) По портфельному риску на международном фондовом рынке можно предложить эконометрическую модель ожидаемого возврата по каждой отдельной ценной бумаге из портфеля инвестора. Математически это выражается следующим образом:

 

 (1.5)

 

где E(Ri) – ожидаемая прибыль от инвестирования в ценную бумагу

(Ri);

std(Ri) – стандартные колебания прибыли по Ri;

std(Rm) – стандартные колебания прибыли по Rm;

E(Rm) – ожидаемая прибыль от инвестирования в Rm;

RF – прибыль по безрисковым ценным бумагам;

Rm – прибыль по рыночным рисковым ценным бумагам.

Рассчитанный по этой формуле показатель принято называть SML (security market line). Другим более часто применяемым вариантом математического расчета SML является вариант с использованием бета-компонента степени риска (уравнение диверсификации Г. Марковица):

 

 (1.6)

 

а стандартные отклонения выглядят следующим образом:

 

 (1.7) и тогда:

 (1.8)

 

 

Кроме вышеперечисленных на фондовом секторе международного финансового рынка присутствуют также: страновой, который представляет вероятность того, что основная масса эмитентов этой страны не будет способна выполнить свои иностранные обязательства; операционный риск, связанный с нарушениями внутреннего контроля, превышением полномочий; технологический риск, как возможные сбои в компьютерных и других электронных системах связи; юридический риск, как риск потерь от неправильного оформления договоров.

 

 

2. Методы прогнозирования и принятия решений на рынке ценных бумаг

 

2.1 Прогнозирование  РЦБ

 

Возможность прогнозирования ситуации важна в любой сфере деятельности, но особенно она необходима на рынке ценных бумаг. Каждый обучающийся может использовать в своей практике виртуальный счет, на котором можно работать с реальными ценами в течение желаемого срока.

Методика прогнозирования рынка ценных бумаг включает совокупность различных методов и приемов разработки прогнозов.

Основными методами прогнозирования являются:

- экспертные;

- логическое;

- моделирование;

- экономико-математическое  моделирование;

- статистические:

а) экстраполяция,

б) интерполяция,

в) индексный;

- нормативный;

- фактографический;

- программно-целевой  и др.

Экспертные методы прогнозирования достаточно широко применяются. Метод Дельфи (по названию древнегреческого города Дельфы, известного своими предсказателями) является самым распространенным методом экспертной оценки будущего. Суть этого метода состоит в организации систематического сбора мнений экспертов и их обобщения. Выработаны специальные математико-статистические приемы обработки различных оценок в сочетании со строгой процедурой обмена мнениями, обеспечивающей по возможности беспристрастность суждений. Ученые предложили способ, повышающий эффективность метода путем его комбинации с методами сетевого планирования.

Экспертами выступают высококвалифицированные специалисты или коллективы профессиональных аналитиков, известных консалтинговых компаний и агентств. Эксперты в процессе прогнозирования развития рынка ценных бумаг опираются на так называемые методы тренда и методы анализа причинных связей, методах тренда построен пассивный прогноз, который основан на изучении тенденций рынка ценных бумаг. Подробно тренды изучаются в техническом анализе. На методах анализа причинных связей, лежащих в основе фундаментального анализа, базируется целевой, или условный, прогноз.

Операции с ценными бумагами предполагают глубокое знание соответствующих рынков, умение анализировать их тенденции и прогнозировать ситуацию в будущем. Все участники рынка ценных бумаг планируют свои операции только после тщательного анализа. Например, при прогнозе цен большую роль имеет денежно-кредитная политика правительства. Экономические отчеты, обзоры, содержащие официальные данные, являются для эксперта источником информации при прогнозировании цен.

Статистические методы прогнозирования развития рынка ценных бумаг основаны на построении фондовых индексов, расчете показателей дисперсии, вариации, ковариации, экстраполяции и интерполяции. Фондовые индексы являются самыми популярными во всем мире обобщающими показателями состояния рынка ценных бумаг. Индексы Доу-Джонса и "Стандард энд Пур" в США, индекс "Рейтер" в Великобритании, индекс "Франкфурте альгемайне цайтунг" в ФРГ, индекс " Интерфакс-РТС" и АК&М в России и другие являются основными индикаторами, по которым можно судить об общем состоянии рынка ценных бумаг и экономики страны в целом. По фондовым индексам можно проанализировать изменение положения дел в отдельных сегментах рынка ценных бумаг, на региональных и отраслевых фондовых рынках, у отдельных эмитентов. Фондовые индексы показывают изменение соотношения между текущим и предыдущим базисным состоянием развития анализируемой части рынка ценных бумаг. Показатели дисперсии позволяют судить об абсолютной колеблемости, а показатели вариации и ковариации - об относительной колеблемости инвестиционного риска на рынке ценных бумаг. Показатели дисперсии позволяют судить об абсолютной колеблемости, а показатели вариации и ковариации - об относительной колеблемости инвестиционного риска на рынке ценных бумаг.

Методы логического моделирования используются преимущественно для качественного описания развития прогнозируемого объекта. Они основаны на выявлении общих закономерностей развития рынка ценных бумаг и выделении наиболее важных долгосрочных проблем перспективного развития, определении главных путей и последовательности решения данных проблем. Логическое моделирование включает: