- •Содержание
- •Введение
- •Инвестиционная деятельность, как способ управления капиталом организации
- •Формирование портфеля инвестиционных проектов
- •Модели оптимизации портфеля инвестиционного проекта
- •Арбитражная модель Росса
- •Модель векторной авторегрессии
- •Трехфакторная модель Фама-Френч
- •Модель формирования портфеля проектов к. И м. Радулеску
- •Модель Буркова и Джавахадзе
- •Техническая часть
- •Задача 1
- •Задача 2
- •Задача3
- •Заключение
- •Список использованных источников
-
Трехфакторная модель Фама-Френч
Фама и Френч (1993) предложили трех-факторную модель, которая стала стандартным инструментом для оценки доходности в зарубежной практике. Такие факторы, как размер компании и соотношение цена/балансовая стоимость были добавлены к рыночной премии для того, чтобы более точно объяснять доходности активов. Введение в модель дополнительных факторов, по мнению авторов, позволяет более эффективно объяснять наблюдаемые статистические показатели доходности. Однако на практике трехфакторная модель используется редко, поскольку требует дополнительных аналитических данных.
Модель Фама и Френча выглядит так:
r - доходность актива;
rf - доходность безрискового актива;
rm - доходность рынка в целом;
SMB - превышение доходности портфеля из активов фирм с малой капитализацией над портфелем из активов фирм с большой капитализацией;
HML - превышение доходности портфеля из активов фирм с низким соотношением балансовой и рыночной стоимости над портфелем из активов фирм с высоким соотношением балансовой и рыночной стоимости;
Fi - прочие факторы (другие портфели, макроэкономические индикаторы и пр.)
-
Модель формирования портфеля проектов к. И м. Радулеску
Исходное множество проектов делится на подмножества эквивалентных проектов. Проекты в данных подмножествах могут быть разной степени завершенности, стоимость проектов может быть различной и ресурсы могут использоваться на разных уровнях. Желательно найти портфель проектов из исходного множества конкурирующих проектов, которые содержат только один проект из каждого подмножества, удовлетворяющий всем ограничениям и требованиям для использования ресурсов, максимизирующий полезный результат и минимизирующий риск. [12]
F1,…,Fq – подмножества эквивалентных проектов из всех первоначальных проектов. Количество проектов в каждом подмножестве соответственно равно n1,…,nq.
Fk = {Pk,1,…,Pk,nk} – множество проектов в каждом подмножестве.
N = n1 + … + nq – количество всех исследуемых проектов.
Все проекты в любом множестве Fk эквивалентны, поэтому необходимо выбрать из каждого подмножества только один проек Предположим, что проекты оцениваются m экспертами E1,…,Em, которые ставят баллы каждому проекту. Разумеется, вместо экспертов можно взять m критериев. Обозначим ai,j,k – баллы которые выставляет эксперт i проекту Pjk. Допустим, что для 8 проектов доступно k-ресурсов: R1,…,Rk. Обозначим bi,jk – количество ресурса i, необходимое для реализации проекта Pjk. Обозначим ci – верхний предел доступного ресурса Ri . Пусть x = {xij } – решение данной проблемы, е. соответствующие проекты Pij. Если x= 0, то проект отклоняется, если x=1 то это означает, что проект войдет в портфель. Совокупный эффект от такого портфеля составит:
Обозначим:
Легко заметить, что: i y – есть общий балл, выставленный портфелю x экспертом Ei.
Определим риск портфеля, как вариацию баллов выставляемы
экспертами. Тогда риск для портфеля x будет равен
Проблема формирования портфеля проектов - это многокритериальная оптимизационная проблема:
с ограничениями:
Обозначим θ ∈[0,1] – предрасположенность эксперта к риску. Около нуля – эксперт предпочитает не рисковать, около единицы – напротив. Теперь можно трансформировать бикритериальную проблему, описанную выше в однокритериальную с введенным коэффициентом предрасположенности к риску.
при тех же ограничениях.
Задача минимизации риска
Задача минимизации риска при эффекте от портфеля большего, чем M.
с теми же ограничениями, плюс еще одно ограничение:
Задача максимизации дохода
Обозначим r – максимальный риск портфеля, тогда:
с теми же ограничениями плюс еще одно:
Все рассмотренные модели нелинейные (квадратические), поэтому их трудно решить аналитически. В этой связи разработаны и используются эвристические около-оптимальные решения (Hansen, 1979, ThielandVoss, 1994). [2]