- •1. Данные. Классификация данных в зависимости от шкалы измерения
- •4 Выборочный метод и теория оценивания
- •Характеристики центральной тенденции и вариации переменной
- •Коэффициент корреляции
- •8Парный линейный регрессионный анализ
- •9Оценка качества уравнения регрессии. Расчет коэффициента детерминации и множественного коэффициента корреляции.
- •Основные понятия и определения
- •10. Тест Фишера:
- •11. Тест Стьюдента
- •12. Расчет доверительного интервала для β
- •Диверсификация как способ управления риском капиталовложения
- •Уравнение связи между ожидаемой нормой доходности и риском
- •Нахождение регрессионных коэффициентов.
- •Оценка качества уравнения регрессии. Расчет коэффициента детерминации и множественного коэффициента корреляции.
- •Тест Фишера:
- •Тест Стьюдента
- •Расчет доверительного интервала для βj
- •Расчет стандартизованных регрессионных коэффициентов
- •Механизм возникновения проблемы мультиколлинеарности
- •23. Симптомы мультиколлинеарности:
- •24. Методы диагностики проблемы мультиколлинеарности:
- •25. Борьба с мультиколлинеарностью путем изменения состава факторов
- •25. Алгоритм пошагового включения:
- •26. Алгоритм пошагового исключения
- •I. Однофакторные нелинейные модели регрессии и их линеаризация
- •28. Гиперболические модели
- •29. Полулогарифмические модели
- •30. Степенная модель
- •31. Экспоненциальная модель
- •32. Логистическая модель
- •33. Логлинейная модель
- •II. Многофакторные нелинейные модели регрессии и их линеаризация
- •34. Критерии выбора лучшей формы связи
- •35. Расчет коэффициентов эластичности
- •Эффект масштаба
- •Эффект обучения
- •Эконометрическая оценка эффектов масштаба и обучения
Уравнение связи между ожидаемой нормой доходности и риском
Пусть имеется портфель А с характеристиками rсрА и 2А. Сформируем портфель Р путем сочетания портфеля А с безрисковым активом, т.е. ценной бумагой f с характеристиками rср f, 2f=0, RA,f=0 (корреляция любого портфеля с безрисковым активом равна 0, что легко доказать, используя формулу для расчета коэффициента корреляции). Оценим характеристики портфеля Р, т.е. его среднюю ожидаемую доходность (4) и риск (5).
rср Р = wA*rср A+ wf*rср f = wA*rср А+ (1- wA)*rср f (4)
2P= wA 2*2A+wБ 2*2f+2*A*f* wA * wf*RA,f=
wA 2*2A+wБ 2*0+2*A*0* wA * wf*0= wA 2*2A (5)
Из
уравнения (5) следует, что
(6). Подставляя (6) в (4), получаем следующее
уравнение, связывающее доходности и
риски двух портфелей:
rср Р - rср f = P/A*( rср A - rср f ) (7).
Таким образом, премия за риск по портфелю P прямо пропорциональна премии за риск по портфелю А, при этом коэффициент пропорциональности отношению рисков портфелей Р и А соответственно.
Если А- общий рыночный портфель М (market), а Р- портфель, включающий одну j-ю ценную бумагу, тогда уравнение (7) примет вид (8).
rср j - rср f = j/M*( rср M - rср f ) (8)
Имея данные по норме доходности какой-либо ценной бумаги, рынка в целом, а также безрисковой норме доходности за определенный период (обычно используются данные за последние 60 месяцев), используя методику парного линейного регрессионного анализа, оценивают и публикуют значения коэффициентов bj=j/M . Вспомним, что коэффициент bj показывает, насколько % в среднем изменяется норма доходности j-й ценной бумаги при увеличении доходности по рынку в целом на 1%. Практические исследования показали, что акции различных компаний значительно различаются по значению коэффициентов bj . Традиционно считается, что покупка ценных бумаг с bj >1- агрессивная позиция, покупка ценных бумаг с bj<1- защитная позиция. Существуют активы, у которых bj<0, такие активы называются сверхзащитными. Акции большинства «голубых фишек» («голубые фишки»- первоклассные акции, риск снижения доходности по которым невелик) имеют bj0,5.
Важный экономический смысл имеет и коэффициент детерминации регрессионной модели R2j- он показывает, какая часть вариации доходности j-й акции объясняется вариацией доходности рынка в целом. Иными словами, R2j- доля неспецифического риска в общем риске j-й акции. Анализ показывает, что для отдельных компаний R2j обычно составляет приблизительно 30%.
16-21. Множественный линейный регрессионный анализ
Главной целью регрессионного анализа является изучение связи между факторными признаками и результативным показателем.
Уравнение парной линейной регрессии имеет вид:
yi=b0+b1*xi1+ b2*xi2+ … +bk*xik+ei,
где yi –значение результативного показателя в i-м наблюдении, xij- значение j-го факторного показателя в i-м наблюдении, b0,…bk – регрессионные коэффициенты, ei- ошибка в i-м наблюдении. Регрессия называется множественной, так как используется несколько факторных показателей. Регрессия называется линейной, так как аналитическая форма связи между факторными и результативным показателями - линейная функция.
Этапы выполнения регрессионного анализа:
