книги / Эконометрика. Начальный курс
.pdf15.2. Гипотеза эффективности финансового рынка |
441 |
сти, получаемой при использовании модели со связанным с этим риском (неопределенностью).
Dependent Variable: RUTS |
|
|
Таблица 15.3 |
|
|
|
|
||
Variable |
Coefficient |
Std.Error |
z-Statistic |
Probability |
const |
0.001801 |
0.000805 |
2.235704 |
0.0254 |
R R T S(-l) |
0.097411 |
0.036863 |
2.642499 |
0.0082 |
Variance Equation |
|
|
|
|
const |
3.07 lO"5 |
1.39 - 10"5 |
2.212160 |
0.0270 |
ARCH{1) |
0.111132 |
0.029963 |
3.708923 |
0.0002 |
GARCH( 1) |
0.854125 |
0.034255 |
24.93406 |
0.0000 |
R-squared |
0.010721 |
Mean dependent var |
0.001928 |
S.E. of regression |
0.029127 |
S.D. dependent var |
0.029213 |
Sum squared resid |
0.693985 |
Akaike info criterion |
-4.363663 |
Log likelihood |
1800.647 |
Schwarz criterion |
-4.335030 |
Еще раз подчеркнем, что нет способа тестировать гипотезу эф фективности рынка. Можно только тестировать совместную ги потезу эффективности рынка и некоторой модели доходности. В данном случае, в качестве модели мы взяли уравнение (15.1) и отвергли эту совместную гипотезу.
Отметим, что последняя модель (таблица 15.3) объясняет только 1% вариации завтрашнего значения однодневной доход ности. Прогноз на один день вперед за границу наблюдений дает прогнозное значение однодневной доходности —0.1% и 95%-ный доверительный интервал прогноза (—4.8%, 4.6%). (В действитель ности следующее значение доходности, 23 июля 2002 г., было рав но —1.6%).
Из литературы известно (см., например, (Lo, 2000)), что пове дение доходностей разное для различных временных интервалов, за которые подсчитывается доходность. Для развитых рынков, как правило, корреляция доходностей положительна для корот ких временных интервалов (однодневные, недельные доходности) и не отличается достоверно от нуля или отрицательна для более длинных временных интервалов (доходности за месяц, квартал, год).
442 |
Гл. 15. Эконометрика финансовых рынков |
Выше мы рассматривали однодневные доходности индекса РТС и обнаружили их положительную коррелированность. Рас смотрим теперь недельные доходности. Определим недельную до ходность как
Г5,1 - P t - P t - 5 - |
(15.3) |
Оценим теперь на тех же данных уравнение (15.4), аналог урав нения (15.2)
Г5,1 = V + 0г5Л- 5 + Щ- |
(15.4) |
Заметим, однако, что здесь присутствует так называемая «про блема перекрывающихся отрезков» (overlapping samples problem). Дело в том, что
»*5,i = rt + rt_! + Г{_2 + rt_3 + rt_4, |
(15.5) |
поэтому rjt содержит в себе возмущения et, ... ,£*-4. Следователь но, при к ^ 4 недельные доходности r5it и г5>4_* содержат общие возмущения, поэтому в уравнении (15.4) можно ожидать авто корреляцию ошибок T)i четвертого порядка. Соответственно, для состоятельного оценивания дисперсий МНК-оценок коэффициен тов уравнения (15.4) следует применять стандартные ошибки в форме Ныои-Веста (см. п. 6.1).
Другая проблема состоит в том, что данные нерегулярны. Есть пропуски в данных (по праздникам биржа не работает), иногда в связи с праздниками переносятся выходные дни и суббота ста новится рабочим днем и т.д. Выше, когда мы рассматривали од нодневные доходности, мы игнорировали эту проблему и просто считали, что торговые дни идут подряд. Например, доходность в понедельник рассчитывалась как прирост индекса по сравнению с пятницей (так часто поступают, когда тонкая временная струк тура доходностей не является предметом исследования). Однако в построении моделей для принятия реальных финансовых ре шений эту нерегулярность учитывают тем или другим способом. (Можно, например, предположить, что дисперсия доходности в понедельник больше, чем в другие дни, аргументируя это тем, что на самом деле в выходные экономика не стоит на месте.)
15 2. Гипотеза эффективности финансового рынка |
443 |
Для начала поступим с недельными доходностями так же, как и с однодневными. Просто вычеркнем пропуски и определим «недельную» доходность как доходность за пять идущих подряд торговых дней (см. (15.3)).
Оценим уравнение (15.4), конечно, ири этом используем стан дартные ошибки в форме Ньюи-Веста. Результаты приведены в таблице 15.4.
Dependent Variable: R5RTS |
|
|
|
Таблица 15.4 |
||
|
|
|
|
|||
Newey-West НАС Standard Errors and Covariance (lag truncation=6) |
||||||
Variable |
Coefficient |
Std.Error |
z-Statistic |
Probability |
||
const |
0.009546 |
0.004987 |
1.914190 |
0.0559 |
||
R5RTS(-5) |
-0.002585 |
0.069876 |
-0.037000 |
0.9705 |
||
R-squared |
|
0.000007 |
Mean dependent var |
0.009522 |
||
S.E. of regression |
0.071290 |
S.D. dependent var |
0.071247 |
|||
Sum squared resid |
4.172510 |
Akaike info criterion |
-2.441701 |
|||
Log likelihood |
|
1006.760 |
Schwarz criterion |
-2.430248 |
||
Durbin-Watson stat |
0.336499 |
|
|
|
Из результатов оценивания можно сделать вывод, что недель ные доходности некоррелированы с предыдущим значением.
Ошибки в уравнении (15.4) корреяированы (это можно заме тить из выборочных значений ACF остатков) и по построению имеют структуру МА(4). Учитывая эту структуру, а также нали чие GARCH-эффекта в уравнении, получаем, что наиболее под ходящей оказывается модель, приведенная в таблице 15.5.
Уравнение, оценка которого приведена в таблице 15.5, дает бо лее эффективный способ оценивания коэффициента 0 в уравне нии (15.4). На это же указывают и значительно возросшее значе ние логарифмической функции правдоподобия и меньшие значе ния критериев Акаике и Шварца (см. п. 11.4). Результат, однако, тот же: нам не удалось выявить прогнозируемость недельных до ходностей.
Следует подчеркнуть, что оценивание уравнения (15.4) с ARMA(1,4) моделью для ошибок является более эффективным, если именно эта модель для ошибок и есть верная модель. Как по-
444 |
|
Гл. 15. Эконометрика финансовых рынков |
||
Dependent Variable: RbKTS |
|
|
Таблица 15.5 |
|
|
|
|
||
Variable |
Coefficient |
Std.Error |
z-Statistic |
Probability |
const |
0.010331 |
0.005147 |
2.007160 |
0.0447 |
R5RTS(—5) |
-0.045259 |
0.039117 |
-1.157013 |
0.2473 |
AR(1) |
0.097254 |
0.040560 |
2.397804 |
0.0165 |
AM(1) |
0.988829 |
0.006943 |
142.4168 |
0.0000 |
AM(2) |
0.984931 |
0.012031 |
81.86410 |
0.0000 |
MA(3) |
0.965062 |
0.011387 |
84.75081 |
0.0000 |
MA(4) |
0.978367 |
0.006391 |
153.0775 |
0.0000 |
Variance Equation |
2.77 • 10-5 |
9.95 10-6 |
2.782892 |
0.0054 |
const |
||||
ARCH(1) |
0.106619 |
0.020391 |
5.228640 |
0.0000 |
GARCH(l) |
0.863495 |
0.025436 |
33.94805 |
0.0000 |
R-squared |
0.831180 |
Mean dependent var |
0.009522 |
S.E. of regression |
0.029435 |
S.D. dependent var |
0.071247 |
Sum squared resid |
0.704410 |
Akaike info criterion |
-4.336645 |
Log likelihood |
1794.529 |
Schwarz criterion |
-4.279379 |
Durbin-Watson stat |
1.981054 |
|
|
называет результат оценки того же уравнения с ARMA(4,0) моде лью для ошибок, приведенный в таблице 15.6, выводы очень чув ствительны к тому, какая модель ошибок рассматривается. По этому при тестировании прогнозируемости доходностей при на личии перекрывающихся интервалов, как правило, используют стандартные ошибки в форме Ньюи-Веста (таблица 15.4) (см., например, (Eama and FVench, 1988)).
Вспомним о проблеме пропущенных наблюдений. Возможно, более корректно говорить о недельных доходностях как о доход ности понедельник-понедельник, вторник-вторник и т.д. Попро буем учесть это. Для этого заполним пропуски в данных, пользу ясь следующими правилами. Если пропущен четверг, заполняем его данными по предыдущему дню — среде, если пропущен по недельник, то заполняем по следующему вторнику, и т. п. Оценив на таким образом скорректированных данных модель (15.4), полу-
15.2. Гипотеза эффективности финансового рынка |
445 |
|||
Dependent Variable: R5RTS |
|
|
Таблица 15.6 |
|
|
|
|
||
Variable |
Coefficient |
Std.Error |
z-Statistic |
Probability |
const |
0.014826 |
0.007844 |
1.890206 |
0.0587 |
R5RTS(-5) |
-0.484490 |
0.035023 |
-13.83349 |
0.0000 |
AR(1) |
1.009572 |
0.040131 |
25.15665 |
0.0000 |
AR(2) |
-0.016341 |
0.058009 |
-0.281704 |
0.7782 |
AR(3) |
-0.114422 |
0.053008 |
-2.158563 |
0.0309 |
AR(4) |
-0.011019 |
0.035134 |
-0.313627 |
0.7538 |
Variance Equation |
|
|
|
|
const |
3.01 • 10~5 |
1.31 • 10~5 |
2.299433 |
0.0215 |
ARCH(1) |
0.107456 |
0.022677 |
4.738562 |
0.0000 |
GARCH(1) |
0.868575 |
0.027567 |
31.50761 |
0.0000 |
R-squared |
|
0.769671 |
Mean dependent var |
0.009522 |
||
S.E. of regression |
0.034361 |
S.D. dependent var |
0.071247 |
|||
Sum squared resid |
0.961055 |
Akaikc info criterion |
-4.034120 |
|||
Log likelihood |
|
1669.040 |
Schwarz criterion |
-3.982581 |
||
Durbin-Watson stat |
1.978055 |
|
|
|
||
Dependent Variable: R5RTS |
|
|
|
Таблица 15.7 |
||
|
|
|
|
|||
Newey-West НАС Standard Errors and Covariance (lag truncation=6) |
||||||
Variable |
Coefficient |
Std.Error |
t-Statistic |
Probability |
||
const |
0.009220 |
0.004791 |
1.924524 |
0.0546 |
||
R5RTS(—5) |
-0.009565 |
0.071298 |
-0.134154 |
0.8933 |
||
R-squared |
|
0.000092 |
Mean dependent var |
0.009133 |
||
S.E. of regression |
0.069733 |
S.D. dependent var |
0.069696 |
|||
Sum squared resid |
4.162506 |
Akaike info criterion |
-2.485948 |
|||
Log likelihood |
|
1068.472 |
Schwarz criterion |
-2.474865 |
||
Durbin-Watson stat |
0.339157 |
|
|
|
чаем результат, не слишком отличающийся от предыдущего (ср. таблицы 15.7 и 15.4):
Таким образом, мы получили положительную корреляцию од нодневных доходностей и статистически незначимую корреляцию недельных доходностей индекса РТС.
15.3. Оптимизация портфеля ценных бумаг |
447 |
где через тп и Е обозначены соответственно математическое ожи дание и матрица ковариаций вектора г
E(r) = т , |
V(r) = Е. |
Построение оптимального портфеля
Рассмотрим инвестора, который стремится минимизировать свой риск (variance) при заданной доходности ц (mean) портфеля, так называемого mean-variance investor. Тогда задача оптимизации портфеля математически выражается как следующая задача по иска минимума функции при наличии ограничений:
u/E tv —►min, при условии w'm = ц и и /г = 1. (15.8)
Чтобы решить эту задачу, рассмотрим функцию Лагранжа:
L(w) — го'Его —2A(w'm —д) - 28(w 't - 1). |
(15.9) |
Условия минимума первого порядка выглядят следующим обра зом:
Его —А т - &г = 0, |
w = Е -1(А т + 5г). |
(15.10) |
Подставив это выражение для w в ограничения, получаем систему двух линейных уравнений с двумя неизвестными Л и 6:
m 'E -1 (А т + йг) = /л, |
г'Е -1(А т + Яг) = 1. |
(15.11) |
|
Решение системы (15.11) имеет вид |
|
||
С/л — В |
» А —В/л |
(15.12) |
|
~ АС - В 2’ |
д ~ АС - В 2’ |
||
|
где А = т !Л ~1т , В = тп'Е -1г и С = г'Е -1г. Подставляя (15.12) в (15.10), получаем оптимальный портфель с ожидаемой доход ностью /л:
w = Е " 1 |
( С» ~ В т |
| |
(15.13) |
|
VA C - в 2 |
+ |
а с - в 2 ) ' |
15.3- Оптимизация портфеля ценных бумаг |
449 |
Рис. 15.2. Фронты эффективных портфелей из 3, 4 и 5 активов
соответствует операции «короткая продажа» (short sale), кото рая состоит в следующем. Инвестор занимает' актив i (например, у брокерской фирмы), тут же продает его, скажем, за Ха. В сле дующий период времени инвестор покупает актив г по цене Х \ и возвращает долг. Если цена актива понизилась, то инвестор по лучает прибыль Ха - Х \ > 0.
Втом случае, если «короткая продажа» запрещена, т.е. все
Щ^ 0, фронт эффективных портфелей состоит из отрезков ги пербол, соответствующих эффективным границам, построенных для портфелей, где некоторые w* = 0.
Перечислим некоторые свойства эффективных портфелей.
1.Портфель, составленный из эффективных портфелей, так же является эффективным. Любые два эффективных портфеля порождают весь фронт эффективных портфелей. Оба этих утвер ждения вытекают из линейной зависимости оптимального порт феля w от параметра д (см. (15.13)).
450 |
Гл. 15. Эконометрика финансовых рынков |
2. Пусть д — эффективный портфель с наименьшей дисперси ей. Тогда среднее, вектор весов и дисперсия его доходности равны
Mfl = E (Я9) = § , w 9 = |
= |
= i |
(15.14) |
Эти результаты вытекают из формул (15.7) и (15.13), в частности, дисперсия доходности эффективного портфеля со средней доход ностью fi равна (см. упражнение 15.1)
огЫ = V(B) = |
(15.15) |
3. Пусть есть два эффективных портфеля с ожидаемыми до ходностями, ц\ и дг; тогда ковариация их доходностей равна (см. упражнение 15.2)
Cov(R l, /?2) = |
( „ , - § ) ( « - § ) + |
(15.16) |
15.4.Тест на включение новых активов в эффективный портфель
Из рис. 15.2 мы видим, что с включением в портфель новых акти вов фронт эффективных портфелей сдвигается влево. Это означат ет, что инвестор может сформировать эффективный портфель с той же средней доходностью /х, но с меньшей дисперсией (риском). Остается, однако, вопрос: является ли этот сдвиг статистически значимым? Имеет ли смысл инвестору включать дополнительные активы в свой портфель? В этом разделе мы приведем тест, по могающий ответить на этот вопрос.
Пусть есть инвестор, который уже инвестировал в множе ство X из п активов. Обозначим вектор их доходностей через гх = (Дх.1, ... Rx,nY- Множеству X соответствует фронт эф фективных портфелей. Зададимся вопросом: сдвигается ли этот фронт, если добавляется возможность дополнительного инвести рования в набор Y из т активов? Ниже мы используем следую щие обозначения, все величины, имеющие отношение к портфелю,