назад Оглавление вперед


[Старт] [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23] [24] [25] [26] [27] [28] [29] [30] [31] [32] [33] [34] [35] [36] [37] [38] [39] [40] [41] [42] [43] [44] [45] [46] [47] [48] [49] [50] [51] [52] [53] [54] [55] [56] [57] [58] [59] [60] [61] [62] [63] [64] [65] [66] [67] [68] [69] [70] [71] [72] [73] [74] [ 75 ] [76] [77] [78] [79] [80] [81] [82] [83] [84] [85] [86] [87] [88] [89] [90] [91] [92] [93] [94] [95] [96] [97] [98] [99] [100] [101] [102] [103] [104] [105] [106] [107] [108] [109] [110] [111] [112] [113] [114] [115] [116] [117] [118] [119] [120] [121] [122] [123] [124] [125] [126] [127] [128] [129] [130] [131] [132] [133] [134] [135] [136] [137] [138] [139] [140] [141] [142] [143] [144] [145] [146] [147]


75

01/01/99г. по 12/04/99г. и сравнивая их с доходностью инвестиций в портфель, составленный на основе фондового индекса S&P 500.

S8P500

MSFT

(,-)

12/04«9

-259%

-8.38%

-2.75%

-9.60%

26.4%

7.54%

05/04/99

426%

202%

4.11%

0.80%

3.3%

16.85%

29/03/99

0.44%

3.59%

0.28%

2.37%

0.7%

0.08%

22/03/99

-0.95%

4.50%

-1.11%

3.27%

-3.6%

1.23%

15/03/99

0.44%

645%

0.28%

5.23%

1.5%

0 08%

08/03/99

1.00%

3.73%

0.84%

2.51%

2.1%

0.71%

01/03/99

3.45%

2.84%

3.29%

1.62%

5.3%

10.83%

22/02/99

-0.64%

2.37%

-0.79%

1 15%

-0.9%

0.63%

16/02/99

0.42%

-6.39%

0.26%

-7.61%

-2.0%

0.07%

08/02/99

-0.41%

-2.15%

-0.57%

-3.37%

1.9%

0.32%

01/02/99

-2.94%

-8.21%

-3.09%

-9.44%

29.2%

9.56%

25/01/99

3.98%

11.69%

3.82%

10.47%

40.0%

14.61%

19/01/99

-1.32%

5.06%

-1.47%

3.84%

-5.7%

2.17%

11/01/99

-2.96%

-0.03%

-3.11%

-1.25%

3.9%

9.67%

Сумма

17.10%

2.17%

102.02%

74.36К

Среднее значение

1.22%

0.16%

Первоначально необходимо рассчитать ковариацию между переменными MSFThS&P500:

102 02 14-1

= 7.85

Следующим шагом рассчитаем дисперсию ряда данных S&P 500:

DX=a: =

74.36

и-1 14-1

= 5.72

И заключительным уже шагом вычислим «бета»-коэффициект для акций Microsoft:

7.85

;9 =

= 1.37

0-; 5.72

Итак, исторический «бета»-коэффициент акций Micorsoft за анализируемый период составил 1.37, что больше единицы. Таким образом, инвестиции в данные акции сопряжены с более высоким риском по сравнению с динамикой среднерыночной доходности, за базу которой мы взяли фондовый индекс S&P 500. Инвестиции в акции Microsoft по итогам проведенного расчета признаются агрессивными.



«Бста»-коэффициенты можно также рассчитывать для любых других финансовых инструментов - от товарных фьючерсов (в качестве рыночных портфелей здесь удобно использовать 1?ндексы товарных фьючерсов CRB и GSCI) до валютных котировок рынка FOREX. При этом нужно только помнить, что оцениваются доходности инвестиций, а не абсолютные изменения иен

Например. Вычисли.м историческую бета для фьючерсов на сахар # 11 (тикер SU), используя данные о ежемесячной доходности за период с февраля 1997г. по апрель 1999г. и сравнивая их с доходностью инвестиций в портфель, составленный на основе индекса товарных фьючерсов CRB.

SU,%

CRB, %

{у.-у)

01/04/99

- 13.20

- 1.36

- 0.17

- 9.32

1.59

0.03

01/03/99

- 559

4.85

6.04

- 1.71

- 10.33

36.52

01/02/99

- 6.88

- 3.58

- 2.39

- 5.00

11.94

5.71

04/01/99

- 12.26

- 0.77

0.42

- 8.38

- 3.48

0.17

01/12/98

- 6.00

- 2.15

- 0.96

- 2.12

2.03

0.92

02/11/98

- 3.87

- 2.68

10.81

- 28.95

7.17

01/10/98

0.39

- 0.01

1.18

4.27

5.04

1 39

01/09/98

- 4.08

3.89

5.08

- 0.20

- 1 00

25.85

03/08/98

- 11.58

- 5.01

- 3.82

- 7.70

29 42

14 59

01/07/98

0.55

- 4.02

- 2.83

4.43

- 1255

6 02

01/06/98

0.11

- 0.59

0.60

3.99

2.40

0.36

01/05/98

- 2.88

- 3.60

- 2.41

1 00

- 2.41

01/04/98

- 6.77

- 2.15

- 0.96

- 4.69

4.69

0.92

02/03/98

- 0.10

1.73

Э.7Э

6.56

3.01

02/02/98

- 4.38

- 2.68

- 1.69

- 0.49

0.83

2 84

05/01/98

- 5.79

2 29

3.48

- 1.91

- 6.64

12.12

01/12/97

- 1.04

- 2.72

- 1.53

2.84

- 4.35

2.35

03/11/97

- 1.54

- 1.67

- 0.68

2.34

- 1.60

0.46

01/10/97

2.27

- 1.24

- 0.05

6.16

- 0.32

02/09/97

- 1.80

0.44

1.63

2 08

3.39

2.66

Сумма

- 77.S6

- 23.79

- 3.72

130.91

Среднее значение

- 3.88

- 1.19

Первоначально необходимо рассчитать ковариацию между переменными SU и СКВ;

-3 72

= -0.20

н-1 20-1

Следующим шагом рассчитаем дисперсию ряда данных CRB:



•- 130 91 я-1 20-1

И заключительным уже шагом вычислим «бета»-коэффициент для фьючерса на сачар #11:

Так как бета фьючерсов на сахар за рассмотренный период оказалась ниже 1, то инвестиции в данный товар в рамках портфельной стратегии - вложения в портфель товарный фьючерсов, составленный на основе индекса CRB -представляются оборонительными.

Иейросетевые решения

Рассмотренный выше регрессионный анализ использует только двухфакторные модели, причем основанные в большей степени на линейных методах Такой подход в сложном современном финансовом мире вполне естественно уже не удовлетворяет чаяния инвесторов, так как не дает результаты нужной точности. Слабая обучаемость двухфакторных моделей и плохая обработка зашумленных данных только ухудшают получаемые результаты. Нейронные сети если не полностью, то хотя бы частично решают все эти проблемы.

Итак, отметим главные отличия регрессионных моделей от нейросетевых решений:

- глубокая проработка многих факторов в последних;

- высокая самообучаемость нейросетей;

- лучшая защита от шума.

Регрессионный анализ

После изучения видов связей между двумя переменными и методов количественных оценок этих связен можно приступить к проведению собственно регрессионного анализа.

Регрессионный анализ позволяет проверять модели взаимосвязи между двумя переменными и оценивать статистическую значимость этих связей.

Для начала рассмотрим пример линейной регрессии, где предполагается, что одна переменная (у) находится в линейной зависимости от второй переменной (х).

Y =а + Х + е,где (3.30)

а- постоянная, отражающая значение ¥приХ- 0;

- коэффициент регрессии, показывающий процентное изменение переменной У, обусловленное изменением переменной X. Известен нам как «бета»-коэффициент;

[Старт] [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23] [24] [25] [26] [27] [28] [29] [30] [31] [32] [33] [34] [35] [36] [37] [38] [39] [40] [41] [42] [43] [44] [45] [46] [47] [48] [49] [50] [51] [52] [53] [54] [55] [56] [57] [58] [59] [60] [61] [62] [63] [64] [65] [66] [67] [68] [69] [70] [71] [72] [73] [74] [ 75 ] [76] [77] [78] [79] [80] [81] [82] [83] [84] [85] [86] [87] [88] [89] [90] [91] [92] [93] [94] [95] [96] [97] [98] [99] [100] [101] [102] [103] [104] [105] [106] [107] [108] [109] [110] [111] [112] [113] [114] [115] [116] [117] [118] [119] [120] [121] [122] [123] [124] [125] [126] [127] [128] [129] [130] [131] [132] [133] [134] [135] [136] [137] [138] [139] [140] [141] [142] [143] [144] [145] [146] [147]